教程与技巧

引入上下文检索:大幅提升RAG系统准确性的新方法

原文标题:Introducing Contextual Retrieval

AI 摘要

传统RAG系统在编码时易丢失上下文,导致检索失败。新方法“上下文检索”通过“上下文嵌入”和“上下文BM25”两项子技术,在检索前为文本块添加解释性上下文,能将检索失败次数减少49%,结合重排序后降幅可达67%,显著提升了下游任务性能。对于小于20万token的小型知识库,可直接将其完整内容放入提示词,结合Claude的提示词缓存功能,能降低超过2倍的延迟和高达90%的成本。对于大型知识库,上下文检索则提供了可扩展的解决方案。

关键信息

  • 传统RAG系统在编码时易丢失上下文,导致检索失败。
  • 新方法“上下文检索”通过“上下文嵌入”和“上下文BM25”两项子技术,在检索前为文本块添加解释性上下文,能将检索失败次数减少49%,结合重排序后降幅可达67%,显著提升了下游任务性能。
  • 对于小于20万token的小型知识库,可直接将其完整内容放入提示词,结合Claude的提示词缓存功能,能降低超过2倍的延迟和高达90%的成本。
  • 对于大型知识库,上下文检索则提供了可扩展的解决方案
  • Anthropic 把 RAG 检索失败率砍了 67%,方法不复杂但数据扎实,做知识库的开发者可以直接抄 cookbook 上手,是那种读完当天就能改进生产环境的实用帖

速览

发布时间
更新时间
来源
Anthropic:Engineering(事故复盘 + 工程实践 · 网页)
分类
教程与技巧
AI 评分
72
阅读原文 前往信息源阅读完整正文
推荐理由

Anthropic 把 RAG 检索失败率砍了 67%,方法不复杂但数据扎实,做知识库的开发者可以直接抄 cookbook 上手,是那种读完当天就能改进生产环境的实用帖。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:引入上下文检索:大幅提升RAG系统准确性的新方法。2024年9月19日。https://new.nat6.net/news/cmorb7ml1008tslhfm0c04uo4/

查看全部 →