#李宏毅[超话]#丨#每日一善# 丨#阳光信用#
生命的嫩芽总会破土而出,即便是枯木也会逢春。人生如没有挑战,生活将索然无味。上帝在给你关上一扇门的同时给你开了另一扇窗”,我们在这个方面或许不如别人,但不代表我们事事不如别人,要善于发掘自己的潜能,保持清醒的头脑,蓬勃向上的心灵,就像哪里都能生存的杂草一样,不畏风吹雨打,坚强面对各种挑战。
生命的嫩芽总会破土而出,即便是枯木也会逢春。人生如没有挑战,生活将索然无味。上帝在给你关上一扇门的同时给你开了另一扇窗”,我们在这个方面或许不如别人,但不代表我们事事不如别人,要善于发掘自己的潜能,保持清醒的头脑,蓬勃向上的心灵,就像哪里都能生存的杂草一样,不畏风吹雨打,坚强面对各种挑战。
怎么讲述今天这件事呢,要从2013年我们初中同班同宿舍,后来变成最好最好的三个人,我们在一个被窝畅聊,我会提前一天从学校坐两个多小时车去她家给她过生日,她也会从唐山去廊坊看望刚上大学不适合的我,后来的事也说不清楚吧,总之她与我们分手了,没有矛盾,就像菲说的温水煮青蛙。9月看见她订婚的朋友圈,我和菲就一直在好奇她什么时候办婚礼,期待她发朋友圈,因为我们真的很想看看她穿上婚纱什么样子,毕竟,从前我们一起憧憬过。直到昨天才得到消息,是今天。我提前一天去了菲家,商量了很久到底该怎么去,又通过各种渠道打听在哪里办婚礼,一路上很多波折,本来只是好奇想去看看,进去的时候怕被发现尴尬心里超级紧张,毕竟我们是不请自来,但是当她真的穿着婚纱出场时,我和菲的眼泪都涌出来了,甚至哭的泣不成声,没办法形容当时的感受,是即使分道扬镳久不联系,那一刻心里还是想祝福她,欣慰她拥有了自己想要的幸福,在角落偷看时突然觉得好恍惚,好像我们昨天还在一个被窝看恐怖电影,今天却又那么遥远,当然心里也会不由得想如果我们还是那么好,今天帮她提裙摆的应该是我吧,给她递手捧花的应该是菲吧,难免会遗憾,从前那么亲密无间的我们,如今高朋满座的婚礼现场却没有我们的两个小小座位。总之,祝她新婚快乐。
今天偶然看到LangChain的 MultiQueryRetriever 检索器,很有意思。
通常我们在用自然语言做相似度查询时,有一个常见问题就是直接按照查询的文本去做相似度查找,很可能检索不到很好的结果,因为对查询文本做向量化(Embedding)的时候,可能因为用词的准确性导致检索结果出现差异。
这时候,MultiQueryRetriever 就派上用场了,具体方法是利用大语言模型(LLM)对用户输入的查询文本进行提炼抽象,从不同的角度生成若干个相似的查询文本,然后把所有查询结果的独特并集拿出来,形成一个更大的、可能相关的文档集。
通过这种多角度的查询方式,MultiQueryRetriever 可以有效解决原始查询文本描述不够准确的问题,为我们提供一批更为丰富、更具深度的检索结果。
官方文档:https://t.cn/A6WxuSLB
油管视频:
www.youtube.com/watch?v=O6zllUvo7e0
通常我们在用自然语言做相似度查询时,有一个常见问题就是直接按照查询的文本去做相似度查找,很可能检索不到很好的结果,因为对查询文本做向量化(Embedding)的时候,可能因为用词的准确性导致检索结果出现差异。
这时候,MultiQueryRetriever 就派上用场了,具体方法是利用大语言模型(LLM)对用户输入的查询文本进行提炼抽象,从不同的角度生成若干个相似的查询文本,然后把所有查询结果的独特并集拿出来,形成一个更大的、可能相关的文档集。
通过这种多角度的查询方式,MultiQueryRetriever 可以有效解决原始查询文本描述不够准确的问题,为我们提供一批更为丰富、更具深度的检索结果。
官方文档:https://t.cn/A6WxuSLB
油管视频:
www.youtube.com/watch?v=O6zllUvo7e0
✋热门推荐