RAG是什么？
看一下RAG的英文全称：Retrieval-Augmented Generation，建索、增强、生成；一句话串起来就是通过检索增强模型的生成，是的，这就是RAG。
RAG怎么做？
目前比较通用的套路是这样的：
离线数据准备：数据提取->数据切片->创建索引->embedding->落库。
解释一下embedding:嵌入，它其实就是将高维度的，复杂的、通常是离散的数据（比如文本、图像、音频等）转换为低维度的、连续的向量表示的过程。这些向量表示具有语义上的相似性，意味着在向量空间中，相似的对象会被映射到相近的向量。
在线查询：query->embedding query ->向量检索->送给大模型->LLM归纳生成
当然根据实际业务场景，有各种各样的变体，如：
变体1:在线查询：query->embedding query->向量检索->rank->送给大模型->LLM归纳生成
变体2:在线查询：query->意图识别->embedding query->向量检索->切块->emdedding->rank->送给大模型->LLM归纳生成
变体3:在线查询：query->意图识别->大模型丰富问题->embedding query->向量检索->切块->emdedding->rank->送给大模型->LLM归纳生成
。。。
大家都在根据自己的实际情况在不断的调整rag的策略，上述的每一个环节都有大量的工作值得探索，比如切块、向量检索、rank等等，后面有机会逐步聊一下
RAG（检索增强）评测
今天主要聊一下RAG（大模型检索增强）的评测。
大家一直都在尝试用RAG来解决模型幻觉、数据实效性、数据保密性等等问题，但是RAG作为模型推理中间的一环，如何来评测RAG（检索增强）的有效性值得研究一下。
当然我们期望理论上模型足够强大可以自己从RAG结果中提取有效信息来推理，甚至模型不需要RAG会更好
RAG简单来说其实就是检索相关信息给到大模型，所以很直观的感受是，要评价RAG结果的有效性可以考虑传统检索或推荐系统中召回、排序等相关指标（召回率、精准率、MRR、NDCG等等）有关这些指标的原理大家自行了解一下，后面有机会也可以简单聊一下
要计算这些指标不可避免的需要知道，每次检索到的信息是否相关，以及相关的信息排序是否合理，这些都决定了最终给到大模型的信息是否更有意义，更能帮助到大模型推理
但是如何判断检索到的信息是否相关呢？embedding虽然提供了各种策略、算法，但是embedding后的结果并不一定就是相关的，向量化后可能因为各种原因导致原本不相关的两个text向量是接近的，所以才需要我们来评测。
目前了解到2种方式来做测评：
1、将query和查到的相关信息给到gpt4，让gpt4来评测；
2、人为打标数据，划定数据集及相关性，然后通过脚本对比
我们使用的第二种方式。我们的处理方式大体是这样：
1、首先将原始数据切块
2、然后选择各种场景下的用户提问
3、然后将原始切块进行标注，标记这些块中哪些和用户提问时相关的
4、实时query结果保存下来，然后和标注数据进行对比
5、计算RAG（检索增强）的召回率、精准率等
如何切块也是我们重点评测的一部分，通过数据标记，我们测试不同chunk size下各种指标来评估我们的RAG效果。
