Control adaptativo de generación aumentada de recuperación para modelos de lenguaje grandes a través de etiquetas reflexivas
Autores: Yao, Chengyuan; Fujita, Satoshi
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Control adaptativo de generación aumentada de recuperación para modelos de lenguaje grandes a través de etiquetas reflexivas
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Recuperación aumentada de generación
Desafíos
LLMs
Capacidad de respuesta
Datos irrelevantes
Etiquetado reflexivo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 34
Citaciones: Sin citaciones
Si bien la generación aumentada por recuperación (RAG) mejora los modelos de lenguaje grandes (LLMs), también introduce desafíos que pueden afectar la precisión y el rendimiento. En la práctica, RAG puede oscurecer las fortalezas intrínsecas de los LLMs.
Descripción
Si bien la generación aumentada por recuperación (RAG) mejora los modelos de lenguaje grandes (LLMs), también introduce desafíos que pueden afectar la precisión y el rendimiento. En la práctica, RAG puede oscurecer las fortalezas intrínsecas de los LLMs.