云数据仓库+ByteHouse+架构下的+RAG+技术实践与性能优化-火山引擎+田昕晖_第1页
云数据仓库+ByteHouse+架构下的+RAG+技术实践与性能优化-火山引擎+田昕晖_第2页
云数据仓库+ByteHouse+架构下的+RAG+技术实践与性能优化-火山引擎+田昕晖_第3页
云数据仓库+ByteHouse+架构下的+RAG+技术实践与性能优化-火山引擎+田昕晖_第4页
云数据仓库+ByteHouse+架构下的+RAG+技术实践与性能优化-火山引擎+田昕晖_第5页
已阅读5页，还剩76页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

.....介量......https://towardsdatascienc•LSH•Tree-based•Cluster-basedhttps://www.pinecone.io/learn/series/faiss/vector-indexes/）：图https://www.pinecone.io/learn/ser从clickHouse到ByteHouse多年域内业务打磨（字节90%OLAP场景），基于云原生架构重构的商业化产品造…………宽表/雪花/星型(/WKB/GeoJson）半/非结构化SELECTid,distFROMtestWHERElabel=‘cat’ORDERBYL2Distance(embeding,[0.12,1.45,2.12,0.54])LIMIT10SELECTid,distFROMtestWHERElabel=‘cat’ORDERBYL2Distance(embeding,[0.12,1.45,2.12,0.54])LIMIT10VectorDBBench：/zilliztech/VectorDBBench20ms30ms查询具体文本：精确匹配•日志查询,关键词匹配查询近似文本：相似度计算(BM25)https://huggingface.co/datasets/namespace-Pt/msmarco•VectorSearch：0.94•FullTextSearch：0.92•Multi-VectorSearch•生态对接、链路简化WhyRAG:让大模型能够按照用户的问题准确回答结果不一致问题的隐患：对于数据引擎的展望：•作为检索服务：准确度+性能+更多的检索方式(Text2SQL)•Pipeline更多的融合：大模型以及其他模型的推理及调用能力,Agent定义与交互算子,AutoQuTHANKS智能未来，探索

人人文库> 全部分类> 应用文书 > 研究报告

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论