RAG

1. 什么是rag？
2. rag流程？
   3.rag优化点？
   4.基座选取标准？
   手撕算法：1.并查集 2.最大二叉树宽度

RAG 怎么解决模型幻觉？

1. grounding（ grounding 生成过程）

• 原理：RAG在让模型生成答案之前，会先从外部知识库（如文档、数据库、网页）中检索出与问题最相关的信息片段（Context）。
• 如何解决幻觉：模型不再仅仅依赖其内部参数化知识（可能过时、不准确或不存在）来生成回答，而是被要求主要基于检索到的、事实性的文档片段进行回答。这将其“创作”范围限制在已有证据之上。

2. 提供可验证的参考来源
   原理：RAG系统通常会将检索到的文档片段作为生成答案的依据，并可以附带引用来源。
3. 减少对模型记忆的依赖
   RAG允许模型访问最新的、经过验证的外部知识库。对于知识库中已有的信息，模型不需要去“记忆”，只需要学会“阅读理解”和“归纳总结”，极大降低了因记忆模糊或错误而产生幻觉的概率。
4. 将生成问题转化为理解问题
   原理：对于事实性问题，RAG将任务从“无中生有地生成答案”转变为了“根据给定材料回答问题”。这更接近于阅读理解任务。