66 篇帖子标记为“concepts”

上下文工程是指在推理过程中选择、组织和管理输入到大型语言模型中的信息，以优化其性能和行为。

动手实践模式：使用 Arize AI 设计用于生成式 AI 企业应用程序的设计模式。

在生产 AI 中升级嵌入模型的成本、风险和回报的战略指南

动手实践：使用 LangChain 和 W&B 进行 LLM 作为裁判

了解 Chunking 策略如何帮助提高 RAG 性能，并探索不同的 Chunking 方法。

使用随机旋转的力量来提高 Weaviate 向量搜索的速度-质量权衡的新向量量化算法。

企业工作流程中评估和护栏的第一部分

通过在公司或领域特定数据上微调嵌入模型来定制嵌入模型的关键考虑因素，以提高 RAG 应用程序中的下游检索性能。

为速度而设计，为体验而构建。

掌握扩展像 Weaviate 这样的向量数据库的艺术。

Weaviate `1.31` 实现了 MUVERA 算法，用于多向量嵌入。 在本博客中，我们深入探讨了该算法的细节，包括 MUVERA 是什么、它的工作原理以及它是否适合您。

了解何时以及如何使用 GraphRAG 以及它如何改进某些搜索任务