宣布一門新的 Coursera 課程：檢索增強生成 (RAG) 在這門由 @ZainHasan6 創建並教授的實作深入課程中，您將學會如何構建高性能、可投入生產的 RAG 系統，Zain 是一位經驗豐富的 AI 和 ML 工程師、研究人員和教育者。 RAG 是當今許多基於 LLM 的應用程序中的關鍵組件，包括客戶支持、內部公司問答系統，甚至許多使用網絡搜索來回答問題的領先聊天機器人。這門課程深入教您如何使 RAG 運作良好。 LLM 可能會產生通用或過時的回應，特別是在被問及其訓練數據中未涵蓋的專業問題時。RAG 是解決這個問題的最廣泛使用技術。它從新的數據來源中引入數據，例如內部文件或最近的新聞，為 LLM 提供相關的上下文，以便獲取私密、最新或專業的信息。這使其能夠生成更具根據性和準確性的回應。 在這門課程中，您將學會設計和實施 RAG 系統的每個部分，從檢索器到向量數據庫，再到生成和評估。您將了解 RAG 背後的基本原則，以及如何在組件和整個系統層面上優化它。 隨著 AI 的發展，RAG 也在不斷演變。新的模型可以處理更長的上下文窗口，更有效地推理，並且可以成為複雜的代理工作流程的一部分。一個令人興奮的增長領域是代理 RAG，其中 AI 代理在運行時（而不是在開發時硬編碼）自主決定檢索哪些數據，以及何時/如何深入。即使在這種演變中，運行時獲取高質量數據仍然至關重要，這就是為什麼 RAG 是如此多應用程序的關鍵部分。 您將通過實踐經驗學習： - 構建一個具有檢索和提示增強的 RAG 系統 - 比較檢索方法，如 BM25、語義搜索和互惠排名融合 - 使用 Weaviate 向量數據庫和新聞數據集進行文檔的分塊、索引和檢索 - 開發一個聊天機器人，使用由 Together AI 托管的開源 LLM，為一個虛構的商店回答產品和常見問題 - 使用評估來推動可靠性的提升，並整合多模態數據 RAG 是一項重要的基礎技術。通過這門課程讓自己變得擅長它！ 請在此處報名：