在生成式人工智能成为热门话题的同时，您可能听说过一个术语叫做"检索增强生成(RAG)"。RAG解决 方案允许生成式AI模型获取它原本不知道的数据，从而减少"幻觉"的发生。这在处理专有数据、敏感信 息或模型训练时尚未出现的新数据时尤其有用。通过在模型的提示词中加入额外的数据，生成式AI可以 给给出更准确、及时和符合上下文背景的答案。 实现RAG解决方案的最佳方法之一是"矢量化"（即将文字、图像或其他信息转化成数字形式，让计算机 易于理解）。通过对数据进行矢量化，可以有效地对其进行索引、搜索和检索，用于大型语言模型(LLM) 的响应生成。FactSet慧甚拥有大量的高质量数据，通过将这些数据矢量化，我们能更快地找到、获取并 提供相关信息。 通过语义搜索检索数据 想象一下学校里的开卷考试。你的课本里有所有的答案，但你还是可能答错。这说明问题不是"有没有资 料"，而是"能不能迅速找到"。 在整本教科书中寻找特定信息并非易事，即使对AI来说也是如此。在测试示例中，您可以使用教科书的 关键字索引来查找相关页面。然而，对于生成式AI，我们依赖于一个更好的解决方案：语义搜索。 我们不使用关键字索引，而是根据语义进行搜索。这涉 ...