ai应用-腾讯云开发者社区

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

ai应用

ai在实战中应用场景

专栏成员

4

文章

2037

阅读量

4

订阅数

LLMOps实战（四）：大模型开发 RAG 工作流中 Embedding 模型选型全解析

大模型知识引擎 embedding

在大模型开发中，检索增强生成（RAG）工作流是一种将外部知识检索与语言模型生成相结合的有效方法。它能有效避免大模型产生幻觉问题，提高回答的准确性和可靠性。而 Embedding 模型在 RAG 工作流中起着关键作用，它负责将文本、结构化数据等转换为向量表示，以便进行高效的相似度检索。

2025-03-29

2110

LLMOps实战（三）：浅谈幻觉的产生机制与避免策略

第四期热点征文-大模型技术大模型知识引擎

1、数据噪声，网上一些不靠谱，未经事实验证的文章，比如某健康类文章错误声称 "吃香蕉能治抑郁症"，模型可能在相关对话中重复这一错误，又比如 5 天云南旅游某攻略错误标注石林景区溶洞开放时间为全年无休，实际因地质维护每年 11 月闭馆。游客按过时信息安排行程，导致当日无法参观核心景点→这也是 rag 出现的必要性。

2025-03-28

810

LLMOps实战（二）：揭秘自注意力机制：从原理到高效应用技巧

大模型知识引擎 DeepSeek

自注意力机制（Self-Attention）是Transformer模型的核心组件，其本质是让序列中的每个元素（如句子中的单词）能够动态捕捉与其他元素的相关性，了解自注意力机制了原理，在之后的提示词优化，文本向量化调试都会有所帮助。

2025-03-26

1K0

LLMOps实战（一）：DeepSeek+RAG 协同构建企业知识库全流程指南

DeepSeek 大模型知识引擎

首先解释下什么是 LLMOps，Large Language Model Operations是专注于大语言模型全生命周期管理的工程实践，涵盖从模型开发、部署、监控到持续优化的系统性流程。其核心目标是提升LLM应用的可靠性、效率与可控性，解决大模型在实际落地中的技术与管理挑战。

2025-03-24

7200

没有更多了

社区活动

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·干货材料·成员作品最新动态