作为AI应用的重要组成部分，RAG备受瞩目。本文遴选了2024年度典型的RAG系统和论文（含AI注解、来源、摘要信息），并于文末附上RAG综述和测试基准材料，助大家速通RAG。

通过战略性文档重新排序技术提升RAG性能

电商市场环境中，准确的销售预测对于企业的运营决策、库存管理、资源调配等方面具有至关重要的意义。梯度提升决策树（GBDT）作为一种先进的机器学习算法，能够有效地挖掘销售数据中的规律和特征，为电商销售预测提供有力支持。

【LLM训练系列03】关于大模型训练常见概念讲解

【RAG实战】Prompting vs. RAG vs. Finetuning: 如何选择LLM应用选择最佳方案

LLM训练-pretrain

【LLM训练系列04】手把手教你Qlora微调

不是炒作GenAI！终于有 BERT 的替代品了

今天给大家分享一篇论文。题目是：Auto-RAG：基于大模型的自主检索增强生成论文链接:https://ar

今天分享的是一篇由人大、快手发布的文章：DMQR-RAG: 基于多样化查询重写的检索增强生成论文链接：htt

CAG: 基于上下文感知的检索增强生成

在消费级GPU调试LLM的三种方法：梯度检查点，LoRA和量化

本人211本+港三硕，地理相关专业，从事数据分析相关工作；有过几段大中长实习经历；目前拿到几家大厂、金融公司offer。分享一些自己的见解，希望对正在秋招、春招困扰的同学给到帮助。

【LLM训练系列01】Qlora如何加载、训练、合并大模型

在许多实际业务场景中，我们常常需要处理大量复杂且相互关联的变量数据。例如在市场调研、心理学研究、教育评估等领域，如何从众多变量中提取关键的潜在因素，并揭示变量之间深层次的内在联系，成为了数据分析的重要任务。

4万字详解Ploars进阶篇！Ploars宝典。

Invar-RAG：基于不变性对齐的LLM检索方法提升生成质量论文链接:https://arxiv.org/

什么？你问Polars和pandas区别是什么，你记住一个字“快就行了”，其他的请直接问AI（手动狗头）虽然当前功能没有pandas完善，但是处理日常任务已经很好用了。废话不多说，开始！

适用于RAG的自适应过滤端到端模型E2E-AFG

RAGulator：如何识别和缓解大模型所谓的“忠实幻觉”