本文来自西南财大《大模型应用：从提示工程到AI智能体》，参考自“35+份大模型技术三部曲合集”，“AI智能体核心技术”，“大模型检索增强”，检索增强生成（Retrieval-Augmented Generation, RAG）是一种人工智能框架，它结合了传统信息检索系统（如搜索引擎和数据库）的优势与生成式大型语言模型（LLM）的能力。
模型可以理解成一个函数，经过预训练和后训练的模型知识是静态的，被蕴含在固定的参数中，常常被称为“参数”知识（Parametric Knowledge）。
RAG可以提升回复的准确性、关联性和新鲜度，并解决幻觉问题（解决LLM的局限性）。
在没有答案时提供虚假信息。
在用户期望具体且最新的回应时，提供过时或泛化的信息。
基于非权威来源生成回复。
由于术语混淆而生成不准确的回复，不同的训练来源可能使用相同的术语来指代不同的事物。
下载链接：
8、《3+份技术系列基础知识详解（星球版）》
9、《12+份Manus技术报告合集》
10、《100+份AI芯片修炼合集》
11、《60+份AI Agent技术报告合集》
《270+份DeepSeek技术报告合集》
《42篇半导体行业深度报告&图谱（合集）
亚太芯谷科技研究院：2024年AI大算力芯片技术发展与产业趋势
本号资料全部上传至知识星球，更多内容请登录智能计算芯知识（知识星球）星球下载全部资料。
免责申明：本号聚焦相关技术分享，内容观点不代表本号立场，可追溯内容均注明来源，发布文章若存在版权等问题，请留言联系删除，谢谢。
温馨提示：
请搜索“AI_Architect”或“扫码”关注公众号实时掌握深度技术分享，点击“阅读原文”获取更多原创技术干货。
