新模型专攻文档引用问答,输入价格低至 $0.01/百万 token
做合同、发票、邮件问答的工具党可以留意:答案直接附上源文档原句,出处可追溯,比传统 RAG 自己拼引用省事。输入 $0.01/百万 token、输出免费,批量跑文档成本几乎可以忽略,想搭文档问答流水线的朋友值得试一下。
做合同、发票、邮件问答的工具党可以留意:答案直接附上源文档原句,出处可追溯,比传统 RAG 自己拼引用省事。输入 $0.01/百万 token、输出免费,批量跑文档成本几乎可以忽略,想搭文档问答流水线的朋友值得试一下。
KnowForge通过分离任务提升多模态文档问答效果,在三个基准测试上超越现有系统,代码已开源。
想用 RAG 做文档问答但怕答案不可信的朋友,可以看看这个方案,它把每个论断都和具体页码、原文片段绑定了,比单纯用模型生成答案更可靠。
Notion出了Q&A agents,在Slack里直接问,它从你的文档找答案,还会自动改旧信息,省得你一个人翻文档。
别以为用文档就能让LLM老老实实回答,1.19%的幻觉率也是定时炸弹,尤其长上下文风险更高。