今天继续这个话题，事实上这个系列不太好写，写深入了容易将现在正在做的项目技术路径泄露，写浅了又有点隔靴搔痒，但其实现在很多公司都有类似 的问题： 1. AI聊得不像人，最常见案例就是生硬，就算上RAG或知识库也不好使； 2. AI准确率不高，最常见就是AI能覆盖80%的场景，但业务的及格线是95%； 这些问题都与我们探讨的问题相关，其中准确率不高这个是专家系统需要解决的任务；而聊得不像人这就比较麻烦了，策略层面涉及了Cot，技术层面暂 时多与RAG相关。 只不过就RAG这个技术，要用好的公司也不多，为避免泄露当前项目技术机密，今天我就借Douwe Kiela（RAG 技术的最初开创者之一）提出的10个宝贵 经验，来聊聊如何做好RAG这件事。 上下文悖论 The Context Paradox，莫拉维克悖论指出：对计算机而言，执行人类觉得困难的任务（如下棋）比执行人类觉得容易的任务（如行走、感知）更容易。 其实这一观点与RL 之父 Rich Sutton某一观点十分类似：依靠纯粹算力的通用方法，最终总能以压倒性优势胜出。 他特别提出：AlphaGo/GPT-3的成功并非源于复杂规则，而是大规模算力支撑的简单算法 ...