大模型

RAG检索增强生成：原理、数据切片与向量化详解 # 大语言模型（LLM）虽然拥有海量的通用知识，但它的知识边界止于训练数据的截止日期，也无法访问企业内部文档、私有数据库这类"没见过"的信息。想让模型回答这些问题，通常有两条路：**微调（Fine-tuning）把新知识"炼"进参数里，或者RAG（Retrieval-Augmented Generation，检索增强生成）**在回答前先把相关资料"喂"给模型。本文重点讲后者——它的基本原理、数据切片（Chunking）与向量化（Embedding）的具体做法，以及一个经常被混淆的问题：向量化和大模型训练到底是不是一回事。