InternLM RAG兴趣小组

[KMnO4-zx]

目的：探索 学习大模型的RAG技术，并产出多个最佳实践和典型案例
时间周期：2024 年 2 月——6 月

LLM会产生误导性的 “幻觉”，依赖的信息可能过时，处理特定知识时效率不高，缺乏专业领域的深度洞察，同时在推理能力上也有所欠缺。正是在这样的背景下，检索增强生成技术（Retrieval-Augmented Generation，RAG）应时而生，成为 AI 时代的一大趋势。

• 学习RAG技术，手搓一个RAG框架
• 共读多篇经典 RAG 论文
• 总结RAG的规律，如有可能产出 arxiv 论文

资源支持：一个RAG项目一个 1/4 A100

InternLM 社区已有RAG工作：

• Hand-on-RAG：https://github.com/SmartFlowAI/Hand-on-RAG.git
• 基于InternLM和Langchain搭建你的知识库：https://github.com/InternLM/tutorial/tree/main/langchain
• Rag-survey 论文仓库：https://github.com/cavalierlulu/rag_survey
• 茴香豆（豆哥）：https://github.com/InternLM/HuixiangDou.git

InternLM2+RAG可以作为书生·浦语大模型大作业项目最简单的选题~
小伙伴如果有喜欢的、想做的RAG项目欢迎参与贡献哦~

想参与的同学欢迎联系浦语小助手（微信搜索 InternLM），或者联系兴趣小组组长不要葱姜蒜（微信搜索：KMnO4-zx）

飞书共享文件夹：https://aicarrier.feishu.cn/drive/folder/HdjWf1smQlIPtpdUEDqcx4hTnSd

Blog：动手做一个最小RAG架构——TinyRAG：KMnO4-zx/blog#2