Reducto 与 RAG-Anything 的比较与分析
Reducto 和 RAG-Anything 都利用视觉-语言模型（VLM）来增强对多模态文档的理解，确保图像 […]
Reducto 与 RAG-Anything 的比较与分析 Read More »
大语言模型LLM
RAG-Anything: “面向一切模态”的统一 RAG 框架
论文RAG-Anything: All-in-One RAG Framework提出 RAG-Anything
RAG-Anything: “面向一切模态”的统一 RAG 框架 Read More »
自对数演化解码(Self Logits Evolution Decoding, SLED)：修正模型“知道的”（潜在知识）与“说出来的”（最终层logits经softmax得到的输出分布）之间的偏差
大型语言模型（LLM）在多任务上表现强劲，但“编造/幻觉”导致事实性不足，限制了实际可信度。论文SLED: S
REFRAG (REpresentation For RAG) ：解决RAG处理大量外部知识时遇到的速度慢和内存占用大问题
论文REFRAG: Rethinking RAG based Decoding介绍了一种名为 REFRAG (
REFRAG (REpresentation For RAG) ：解决RAG处理大量外部知识时遇到的速度慢和内存占用大问题 Read More »
Reducto：给LLM/RAG喂料（结构化数据）的产品
今日试用了Reducto的产品，可以用于RAG，例如专业文档的chunking。 Reducto公司介绍 一、
Reducto：给LLM/RAG喂料（结构化数据）的产品 Read More »
DeepMMSearch-R1：通过“多工具、多轮交互”检索增强推理循环，实现面向真实网页的多模态检索/推理一体化
现实应用中的多模态大模型（MLLM）在知识密集与信息检索型视觉问答任务上常受限于静态训练语料与长尾知识分布，难
DeepMMSearch-R1：通过“多工具、多轮交互”检索增强推理循环，实现面向真实网页的多模态检索/推理一体化 Read More »