为 RAG 引入新的超参数：上下文窗口利用率
原文中文，约300字，阅读约需1分钟。发表于：。本文介绍了一种新的超参数，称为 Context Window Utilization，用于改进检索增强生成（RAG）系统。通过系统实验和分析，我们发现选择适当的块大小对于提高 RAG 系统的性能至关重要。
Retrieval-Augmented Generation (RAG)是一种合并检索方法和深度学习技术的方法，旨在通过动态整合最新的外部信息解决大型语言模型（LLMs）的静态限制，并改进LLMs输出的准确性和可靠性。该研究将RAG分为四个类别，并提供了详细的视角和评估方法，同时介绍了其演进和领域的进展。该论文还提出了面临的挑战和未来的研究方向，旨在巩固现有的RAG研究，明确其技术基础，并突出其扩展LLMs的适应性和应用潜力。
