tag 分塊

標籤
貢獻5
57
09:58 AM · Nov 21 ,2025
u_17420180 頭像 yuhaibao324 頭像 u_16492348 頭像 u_15988698 頭像 u_15718612 頭像

@分塊 / 博客 RSS 訂閱

u_17420180 頭像

合合信息解決方案 - 文檔分塊時，如何避免把表格或關鍵段落割裂？

在 RAG 知識庫構建、大模型文檔問答等場景中，文檔分塊是影響信息檢索準確性與回答質量的關鍵環節，而表格與關鍵段落的割裂問題，已成為行業普遍面臨的核心痛點，其難點集中體現在三方面： ● 複雜元素結構識別難：真實場景中的文檔往往包含雙欄表格、無線圖表、跨行合併表格、嵌套表格等非標準化元素，傳統 OCR 工具無法精準判斷這些複雜元素的結構邏輯與內容順序，分塊時易將完

機器學習 , 分塊 , 上傳 , 人工智能 , 嵌套

收藏 評論

yuhaibao324 頭像

DeepSeaAI - RAG（檢索增強生成）分類與開發框架

RAG（檢索增強生成）分類與開發框架 概述 RAG（Retrieval-Augmented Generation）是一種結合檢索機制與大型語言模型的技術範式，通過從外部知識源檢索相關信息來增強生成模型的準確性和可靠性。 一、RAG 分類體系 1. 按架構分類 類型 特點 適用場景

數據集 , 分塊 , pytorch , 人工智能 , 開發框架

收藏 評論

u_16492348 頭像

wx65950818d835e - 17: 超分中的圖像塊處理技術

引言 在圖像超分辨率（SR）任務中，尤其是高分辨率圖像重建任務中，圖像塊處理技術（Patch-Based Methods）被廣泛應用。圖像塊處理技術將圖像分解成多個小塊，通過對每個小塊的超分重建，提高了整體圖像重建的精度。這種方法在處理大尺寸圖像時具有明顯優勢，因為它能夠在細節恢復時保持圖像的局部一致性。本文將討論圖像塊處理技術在超分中的應用及其優勢。 圖像塊處理技術

分塊 , 圖像重建 , c++ , 後端開發 , 恢復能力 , c

收藏 評論

u_15988698 頭像

代碼天地 - RAG落地實踐：知識庫三層架構和關鍵組件

在當前LLM（大型語言模型）的應用浪潮中，檢索增強生成（RAG）已成為相對成熟且應用最廣的落地模式之一。但無論是從最初的Naive RAG演進到Advanced RAG，還是最新的Agentic RAG，其核心都離不開一個關鍵底座：知識庫管理系統。 對於面向落地應用RAG的產品經理和工程化技術人員而言，如果只是停留在對LLM能力或RAG流程的表面理解，很難在真實複雜的業務場

分塊 , 三層架構 , 服務器 , 知識管理 , 分佈式

收藏 評論

u_15718612 頭像

小怪獸會微笑 - Every Token Counts: Generalizing 16M Ultra-Long Context in Large Language Models（超長文本模型論文HSA）

Every Token Counts: Generalizing 16M Ultra-Long Context in Large Language Models（超長文本模型論文HSA） 這篇論文介紹了 HSA-UltraLong，這是一個基於 分層稀疏注意力（Hierarchical Sparse Attention, HSA） 機制的模

分塊 , redis , 語言模型 , 自然語言處理 , 點積 , 數據庫 , 人工智能

收藏 評論