知识星球 | 深度连接铁杆粉丝，运营高品质社群，知识变现的工具

来自：大语言模型论文跟踪进入星球

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_3005200.004092674952403397.jpeg)

HuggingAI

2024-02-28 12:56

这个图很好的对比了RAG和finetune技术方案的优劣势 在RAG和超长上下文窗口的共同加持下，模型微调的生存空间越来越小

展开全部

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_5564510.5061798297023421.jpeg)

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_3133720.514914337154186.jpeg)赞过

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_3076240.6391326996568262.jpeg)

HuggingAI：对比RAG和finetune： [LLM知识增强：RAG&微调？微软给出部分答案](https://mp.weixin.qq.com/s/48Y0zAXe6fo5ELucPRfW6g "LLM知识增强：RAG&微调？微软给出部分答案")

2024-02-28 13:00

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_3173790.9063765401290116.jpeg)

HuggingAI：再来一篇对比两者的文章 [一文解构大模型RAG问答关键环节及与LLM微调对比总结](https://mp.weixin.qq.com/s/xxFcMRMl--HPcGAkAYaW7w "一文解构大模型RAG问答关键环节及与LLM微调对比总结")

2024-02-28 13:00

回复来自：大语言模型论文跟踪进入星球

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_4575000.13122257428265405.jpeg)

HuggingAI

2024-02-28 12:56

这个图很好的对比了RAG和finetune技术方案的优劣势 在RAG和超长上下文窗口的共同加持下，模型微调的生存空间越来越小

展开全部

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_5863220.47712751807557663.jpeg)

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_4560180.8320281411032039.jpeg)赞过

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_4582330.7557677033531647.jpeg)

HuggingAI：对比RAG和finetune： [LLM知识增强：RAG&微调？微软给出部分答案](https://mp.weixin.qq.com/s/48Y0zAXe6fo5ELucPRfW6g "LLM知识增强：RAG&微调？微软给出部分答案")

2024-02-28 13:00

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_4484090.49691015751649137.jpeg)

HuggingAI：再来一篇对比两者的文章 [一文解构大模型RAG问答关键环节及与LLM微调对比总结](https://mp.weixin.qq.com/s/xxFcMRMl--HPcGAkAYaW7w "一文解构大模型RAG问答关键环节及与LLM微调对比总结")

2024-02-28 13:00

回复来自：大语言模型论文跟踪进入星球

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_6085570.4439747841908043.jpeg)

HuggingAI

2024-02-28 12:56

这个图很好的对比了RAG和finetune技术方案的优劣势 在RAG和超长上下文窗口的共同加持下，模型微调的生存空间越来越小

展开全部

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_7196000.3826853476967389.jpeg)

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_6051810.6085584612061387.jpeg)赞过

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_6577820.16211797152913543.jpeg)

HuggingAI：对比RAG和finetune： [LLM知识增强：RAG&微调？微软给出部分答案](https://mp.weixin.qq.com/s/48Y0zAXe6fo5ELucPRfW6g "LLM知识增强：RAG&微调？微软给出部分答案")

2024-02-28 13:00

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_7234620.9960105784192483.jpeg)

HuggingAI：再来一篇对比两者的文章 [一文解构大模型RAG问答关键环节及与LLM微调对比总结](https://mp.weixin.qq.com/s/xxFcMRMl--HPcGAkAYaW7w "一文解构大模型RAG问答关键环节及与LLM微调对比总结")

2024-02-28 13:00

回复来自：大语言模型论文跟踪进入星球

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_7201380.6697337610119497.jpeg)

HuggingAI

2024-02-28 12:56

这个图很好的对比了RAG和finetune技术方案的优劣势 在RAG和超长上下文窗口的共同加持下，模型微调的生存空间越来越小

展开全部

![](https://images.zsxq.com/FhKm8x8KCFi5Kl0f68fBqbb3DNaJ?imageMogr2/auto-orient/thumbnail/750x/format/jpg/blur/1x0/quality/75&e=1714492799&s=jtvmyvvymvvttyv&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:pIg0LJtkS3xqMCfnHOILIGgkB9M=)

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_7450130.5831332111116757.jpeg)赞过

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_8198010.34820178682982494.jpeg)

HuggingAI：对比RAG和finetune： [LLM知识增强：RAG&微调？微软给出部分答案](https://mp.weixin.qq.com/s/48Y0zAXe6fo5ELucPRfW6g "LLM知识增强：RAG&微调？微软给出部分答案")

2024-02-28 13:00

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_8408770.9758675770964667.jpeg)

HuggingAI：再来一篇对比两者的文章 [一文解构大模型RAG问答关键环节及与LLM微调对比总结](https://mp.weixin.qq.com/s/xxFcMRMl--HPcGAkAYaW7w "一文解构大模型RAG问答关键环节及与LLM微调对比总结")

2024-02-28 13:00

回复来自：大语言模型论文跟踪进入星球

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_8349200.9372906821963646.jpeg)

HuggingAI

2024-02-28 12:56

这个图很好的对比了RAG和finetune技术方案的优劣势 在RAG和超长上下文窗口的共同加持下，模型微调的生存空间越来越小

展开全部

![](https://images.zsxq.com/FhKm8x8KCFi5Kl0f68fBqbb3DNaJ?imageMogr2/auto-orient/thumbnail/750x/format/jpg/blur/1x0/quality/75&e=1714492799&s=jtvmyvvymvvttyv&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:pIg0LJtkS3xqMCfnHOILIGgkB9M=)

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_8303300.2952966582927553.jpeg)赞过

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_8525390.050859138671950466.jpeg)

HuggingAI：对比RAG和finetune： [LLM知识增强：RAG&微调？微软给出部分答案](https://mp.weixin.qq.com/s/48Y0zAXe6fo5ELucPRfW6g "LLM知识增强：RAG&微调？微软给出部分答案")

2024-02-28 13:00

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_8855710.7819057363346373.jpeg)

HuggingAI：再来一篇对比两者的文章 [一文解构大模型RAG问答关键环节及与LLM微调对比总结](https://mp.weixin.qq.com/s/xxFcMRMl--HPcGAkAYaW7w "一文解构大模型RAG问答关键环节及与LLM微调对比总结")

2024-02-28 13:00

回复来自：大语言模型论文跟踪进入星球

![](https://yg9538.kmgy.top/img/2024/03/30/2024-03-30_231055_9080370.29826384765475356.jpeg)

HuggingAI

2024-02-28 12:56

这个图很好的对比了RAG和finetune技术方案的优劣势 在RAG和超长上下文窗口的共同加持下，模型微调的生存空间越来越小

展开全部

![](https://images.zsxq.com/FhKm8x8KCFi5Kl0f68fBqbb3DNaJ?imageMogr2/auto-orient/thumbnail/750x/format/jpg/blur/1x0/quality/75&e=1714492799&s=jtvmyvvymvvttyv&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:pIg0LJtkS3xqMCfnHOILIGgkB9M=)

![](https://images.zsxq.com/Fu0fo36gtHHrcEeHRucwknkOVuTW?e=1714492799&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:OCTUbV1sfmLOksFQeFWGlmTQj14=)赞过

![](https://images.zsxq.com/Fu0fo36gtHHrcEeHRucwknkOVuTW?e=1714492799&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:OCTUbV1sfmLOksFQeFWGlmTQj14=)

HuggingAI：对比RAG和finetune： [LLM知识增强：RAG&微调？微软给出部分答案](https://mp.weixin.qq.com/s/48Y0zAXe6fo5ELucPRfW6g "LLM知识增强：RAG&微调？微软给出部分答案")

2024-02-28 13:00

![](https://images.zsxq.com/Fu0fo36gtHHrcEeHRucwknkOVuTW?e=1714492799&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:OCTUbV1sfmLOksFQeFWGlmTQj14=)

HuggingAI：再来一篇对比两者的文章 [一文解构大模型RAG问答关键环节及与LLM微调对比总结](https://mp.weixin.qq.com/s/xxFcMRMl--HPcGAkAYaW7w "一文解构大模型RAG问答关键环节及与LLM微调对比总结")

2024-02-28 13:00

回复来自：大语言模型论文跟踪进入星球

![](https://images.zsxq.com/Fu0fo36gtHHrcEeHRucwknkOVuTW?e=1714492799&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:OCTUbV1sfmLOksFQeFWGlmTQj14=)

HuggingAI

2024-02-28 12:56

这个图很好的对比了RAG和finetune技术方案的优劣势 在RAG和超长上下文窗口的共同加持下，模型微调的生存空间越来越小

展开全部

![](https://images.zsxq.com/FhKm8x8KCFi5Kl0f68fBqbb3DNaJ?imageMogr2/auto-orient/thumbnail/750x/format/jpg/blur/1x0/quality/75&e=1714492799&s=jtvmyvvymvvttyv&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:pIg0LJtkS3xqMCfnHOILIGgkB9M=)

![](https://images.zsxq.com/Fu0fo36gtHHrcEeHRucwknkOVuTW?e=1714492799&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:OCTUbV1sfmLOksFQeFWGlmTQj14=)赞过

![](https://images.zsxq.com/Fu0fo36gtHHrcEeHRucwknkOVuTW?e=1714492799&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:OCTUbV1sfmLOksFQeFWGlmTQj14=)

HuggingAI：对比RAG和finetune： [LLM知识增强：RAG&微调？微软给出部分答案](https://mp.weixin.qq.com/s/48Y0zAXe6fo5ELucPRfW6g "LLM知识增强：RAG&微调？微软给出部分答案")

2024-02-28 13:00

![](https://images.zsxq.com/Fu0fo36gtHHrcEeHRucwknkOVuTW?e=1714492799&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:OCTUbV1sfmLOksFQeFWGlmTQj14=)

HuggingAI：再来一篇对比两者的文章 [一文解构大模型RAG问答关键环节及与LLM微调对比总结](https://mp.weixin.qq.com/s/xxFcMRMl--HPcGAkAYaW7w "一文解构大模型RAG问答关键环节及与LLM微调对比总结")

2024-02-28 13:00

回复来自：大语言模型论文跟踪进入星球

![](https://images.zsxq.com/Fu0fo36gtHHrcEeHRucwknkOVuTW?e=1714492799&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:OCTUbV1sfmLOksFQeFWGlmTQj14=)

HuggingAI

2024-02-28 12:56

这个图很好的对比了RAG和finetune技术方案的优劣势 在RAG和超长上下文窗口的共同加持下，模型微调的生存空间越来越小

展开全部

![](https://images.zsxq.com/FhKm8x8KCFi5Kl0f68fBqbb3DNaJ?imageMogr2/auto-orient/thumbnail/750x/format/jpg/blur/1x0/quality/75&e=1714492799&s=jtvmyvvymvvttyv&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:pIg0LJtkS3xqMCfnHOILIGgkB9M=)

![](https://images.zsxq.com/Fu0fo36gtHHrcEeHRucwknkOVuTW?e=1714492799&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:OCTUbV1sfmLOksFQeFWGlmTQj14=)赞过

![](https://images.zsxq.com/Fu0fo36gtHHrcEeHRucwknkOVuTW?e=1714492799&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:OCTUbV1sfmLOksFQeFWGlmTQj14=)

HuggingAI：对比RAG和finetune： [LLM知识增强：RAG&微调？微软给出部分答案](https://mp.weixin.qq.com/s/48Y0zAXe6fo5ELucPRfW6g "LLM知识增强：RAG&微调？微软给出部分答案")

2024-02-28 13:00

![](https://images.zsxq.com/Fu0fo36gtHHrcEeHRucwknkOVuTW?e=1714492799&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:OCTUbV1sfmLOksFQeFWGlmTQj14=)

HuggingAI：再来一篇对比两者的文章 [一文解构大模型RAG问答关键环节及与LLM微调对比总结](https://mp.weixin.qq.com/s/xxFcMRMl--HPcGAkAYaW7w "一文解构大模型RAG问答关键环节及与LLM微调对比总结")

2024-02-28 13:00

回复来自：大语言模型论文跟踪进入星球

![](https://images.zsxq.com/Fu0fo36gtHHrcEeHRucwknkOVuTW?e=1714492799&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:OCTUbV1sfmLOksFQeFWGlmTQj14=)

HuggingAI

2024-02-28 12:56

这个图很好的对比了RAG和finetune技术方案的优劣势 在RAG和超长上下文窗口的共同加持下，模型微调的生存空间越来越小

展开全部

![](https://images.zsxq.com/FhKm8x8KCFi5Kl0f68fBqbb3DNaJ?imageMogr2/auto-orient/thumbnail/750x/format/jpg/blur/1x0/quality/75&e=1714492799&s=jtvmyvvymvvttyv&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:pIg0LJtkS3xqMCfnHOILIGgkB9M=)

![](https://images.zsxq.com/Fu0fo36gtHHrcEeHRucwknkOVuTW?e=1714492799&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:OCTUbV1sfmLOksFQeFWGlmTQj14=)赞过

![](https://images.zsxq.com/Fu0fo36gtHHrcEeHRucwknkOVuTW?e=1714492799&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:OCTUbV1sfmLOksFQeFWGlmTQj14=)

HuggingAI：对比RAG和finetune： [LLM知识增强：RAG&微调？微软给出部分答案](https://mp.weixin.qq.com/s/48Y0zAXe6fo5ELucPRfW6g "LLM知识增强：RAG&微调？微软给出部分答案")

2024-02-28 13:00

![](https://images.zsxq.com/Fu0fo36gtHHrcEeHRucwknkOVuTW?e=1714492799&token=kIxbL07-8jAj8w1n4s9zv64FuZZNEATmlU_Vm6zD:OCTUbV1sfmLOksFQeFWGlmTQj14=)

HuggingAI：再来一篇对比两者的文章 [一文解构大模型RAG问答关键环节及与LLM微调对比总结](https://mp.weixin.qq.com/s/xxFcMRMl--HPcGAkAYaW7w "一文解构大模型RAG问答关键环节及与LLM微调对比总结")

2024-02-28 13:00