查看“WikiEdge:ArXiv-2407.01219/terms”的源代码

<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2407.01219/terms|action=edit}} 编辑]</div>
这篇文章的术语表如下：
* [[生成式大型语言模型]]（Generative Large Language Models）：指通过预训练学习大量文本数据，能够生成连贯、相关文本的大型人工智能模型。
* [[检索增强生成]]（Retrieval-Augmented Generation, RAG）：一种结合预训练生成模型和基于检索的模型的技术，通过检索相关信息来增强生成内容的准确性和质量。
* [[嵌入模型]]（Embedding Model）：在自然语言处理中，用于将文本转换为数值向量，以便在向量空间中进行语义比较的模型。
* [[向量数据库]]（Vector Database）：专门设计用于存储和检索嵌入向量的数据库，支持高效的相似性搜索。
* [[查询重写]]（Query Rewriting）：一种优化查询表达的方法，通过改写查询来提高检索系统的性能。
* [[查询分解]]（Query Decomposition）：将复杂查询分解为更简单、更具体的子查询，以提高检索的相关性和准确性。
* [[伪文档生成]]（Pseudo-document Generation）：基于用户查询生成假设性文档，用于检索与查询更相关的文档。
* [[混合搜索]]（Hybrid Search）：结合稀疏检索（如基于关键词的搜索）和密集检索（如基于向量的搜索）的方法，以提高检索效果。
* [[重排序]]（Reranking）：在初步检索结果基础上，使用更精细的算法重新对文档进行排序，以提高检索的相关性。
* [[文档重打包]]（Document Repacking）：在重排序后，对文档进行重新组织，以优化后续处理模块的性能。
* [[摘要]]（Summarization）：从检索到的文档中提取关键信息，生成简洁的摘要，以减少冗余并提高生成响应的质量。