|
Langchain的新框架，LangGraph结合3个突破性的框架：Corrective Retrieval Augmented Generation (CRAG，自纠正检索增强生成), Self-Reflective Retrieval-Augmented Generation (Self-RAG，自反射检索增强生成) , Adaptive QA framework（自适应 QA 框架）。重新定义语言模型的能力。 https://ai.gopubby.com/unifying-rag-frameworks-harnessing-the-power-of-adaptive-routing-corrective-fallback-and-1af2545fbfb3
- 路由-自适应RAG：该框架可以将问题动态路由到不同的检索方法，确保检索到最相关的信息以生成响应
- 回退-自纠正RAG：如果文档被认为与查询不相关，则该机制无缝回退到网络搜索（web search），确保生成准确且上下文相关的响应。
- 自我修正：Self-RAG：通过在 LM 生成中引入自我反思，该框架使模型能够修复受幻觉困扰的答案或无法解决问题的答案，从而增强各种任务的真实性和多功能性。
将 CRAG、Self-RAG、Adaptive RAG 集成到现有语言模型中可以带来诸多好处 - CRAG 通过减少与次优检索相关的不准确性来增强基于 RAG 的方法的稳健性，确保生成响应的可靠性。
- Self-RAG 通过引入自我反思彻底改变了 LM 功能，显着增强了各种任务的真实性和多功能性。
- Adaptive-RAG 提供动态解决方案来解决用户查询的复杂性，优化多个数据集的效率和准确性
示例代码太长，详见官方jupyter notebook demo，地址如下： https://github.com/langchain-ai/langgraph/blob/main/examples/rag/langgraph_rag_agent_llama3_local.ipynb
| 
