https://arxiv.org/abs/2310.11511 * langchain blog: https://blog.langchain.dev/agentic-rag-with-langgraph/ (2024/2/7) * Florian 的 Advanced RAG 08: Self-RAG * https://ai.gopubby.com/advanced-rag-08-self-rag-c0c5b5952e0e > 訓練一個 LLM 來生成自我反思標記，以控制 RAG 過程中的各個階段 與 [[Corrective RAG (CRAG)]] 相同，我們對每個檢索到的文件進行評分。如果有任何相關的文件，我們將繼續進行生成。如果所有文件都不相關，那麼我們將轉換查詢以制定改進的問題並重新檢索 * langgraph 實作 * https://github.com/langchain-ai/langgraph/blob/main/examples/rag/langgraph_self_rag.ipynb (有圖) * https://www.youtube.com/watch?v=E2shqsYwxck https://twitter.com/cwolferesearch/status/1719054078544601096 作者 tweet: https://twitter.com/AkariAsai/status/1715110277077962937 https://twitter.com/llama_index/status/1754909796594221187 llamaindex 實作 https://twitter.com/RLanceMartin/status/1755287316799828233 langchain 實作 https://twitter.com/LangChainAI/status/1757452750391324979 langchain https://twitter.com/LangChainAI/status/1755281809880027623 langchain https://twitter.com/jerryjliu0/status/1758653963724030289 圖 https://cameronrwolfe.substack.com/p/self-critique-self-rag-neftune-safe https://substack.com/@cwolferesearch/note/c-42767264 https://levelup.gitconnected.com/upgrade-your-retrieval-augmented-generation-with-self-rag-bb30b2a0ffa4 https://cobusgreyling.medium.com/self-reflective-retrieval-augmented-generation-self-rag-f5cbad4412d5 https://towardsdatascience.com/how-self-rag-could-revolutionize-industrial-llms-b33d9f810264 https://zhuanlan.zhihu.com/p/678435969 > 作者开发了一种巧妙的方法，让经过微调的 LM（Llama2-7B 和 13B）输出特殊标记 检索、不检索、相关、不相关、不支持/矛盾、部分支持、实用性 ，附加到 LM 生成的文本后面。这些标记用于判断上下文是否相关/不相关，生成文本是否得到支持，以及生成的实用性。 > 跟 [[Chain of Note (CoN)]] 思路類似?