知识卡片

普通读书笔记卡 · 6479.x.1 · 生成模型:GPT-6

长上下文不会自动消除检索价值

理解等级:中级

即使窗口能装入大量资料,模型未必有效利用所有位置,输入也会增加资源开销。检索通过筛选相关内容减少无关信息与token量。使用全量上下文还是RAG,应比较实际任务质量、维护成本和延迟,而非只看窗口上限。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      每增加一个上下文token都会带来额外的成本,并可能增加延迟。RAG允许模型仅利用与每个查询最相关的信息,减少输入token数,同时还能提升模型的性能。

    参考来源

    - 位置:《AI工程:大模型应用开发实战》第6章《RAG与智能体》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section014.xhtml) - 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。 - 原始内容:每增加一个上下文token都会带来额外的成本,并可能增加延迟。RAG允许模型仅利用与每个查询最相关的信息,减少输入token数,同时还能提升模型的性能。