大模型时代的向量数据库「已完结」

第1章 大语言模型知识能力获取与知识问答实践/

[ 36M] 1-1[张奇]大语言模型知识获取

[ 47M] 1-2[张奇]大语言模型中的语言和知识分区

[ 12M] 1-3[张奇]大语言模型实践性思考

第2章 从混乱到秩序—揭秘生成式搜索背后的概率/

[5.1M] 2-1[栾小凡]从混乱到秩序-揭秘生成式搜索背后的概率

[ 14M] 2-2[栾小凡]概率，信息检索的基石

[ 39M] 2-3[栾小凡]从统计模型到深度学习模型

[ 32M] 2-4[栾小凡]Milvus，向量数据库不知与稠密向量

[ 41M] 2-5[栾小凡]向量数据库的未来

第3章 腾讯云向量数据库的技术创新与最佳实践/

[9.0M] 3-1[伍旭飞]向量检索的基本介绍

[8.6M] 3-2[伍旭飞]大模型时代的向量数据库定位

[ 28M] 3-3[伍旭飞]腾讯云VectorDB架构

[9.5M] 3-4[伍旭飞]腾讯云VectorDB的AINative能力

[ 25M] 3-5[伍旭飞]向量数据库未来的挑战

第4章 阿里云向量检索增强大模型对话系统最佳实践/

[ 20M] 4-1[施晨]大模型时代，为什么需要向量检索？

[ 21M] 4-2[施晨]如何用向量检索“增强”大模型

[ 15M] 4-3[施晨]向量数据库构建

[6.3M] 4-4[施晨]大模型对话交互

[2.7M] 4-5[施晨]落地案例与Demo

[ 15M] 4-6[施晨]一些思考

第5章 百度智能云BES在大规模向量检索场景的探索实践/

[ 10M] 5-1[刘轩]向量数据库应用概述

[ 50M] 5-2[刘轩]百度BES工程实践

[4.0M] 5-3[刘轩]百度BES向量检索示例

[ 12M] 5-4[刘轩]百度BES向量数据库应用案例介绍

第6章 火山引擎向量数据库VikingDB技术演进及应用/

[7.1M] 6-1[高丽萍]火山引擎向量数据库VikingDB生产的背景

[ 33M] 6-2[高丽萍]VikingDB技术演进

[ 19M] 6-3[高丽萍]在大模型场景的应用及展望

第7章 DingoDB多模向量数据库：大模型时代的数据引擎/

[ 17M] 7-1[焦悦光]DingoDB简介

[ 15M] 7-2[焦悦光]DingoDB技术架构与优势

[ 14M] 7-3[焦悦光]DingoDB与大模型的最佳应用实践

第8章 搜索增强型（RAG）AI原生向量数据库 AwaDB 技术创新与实践/

[ 13M] 8-1[李洁]AwaDB背景及特点介绍

[2.6M] 8-2[李洁]AwaDB整体架构

[ 15M] 8-3[李洁]AwaDB核心能力介绍

[9.4M] 8-4[李洁]AwaDB技术创新点

[认准一手完整 www.ukoou.com]

[1.6M] 8-5[李洁]AwaDB实操指南

[1.5M] 8-6[李洁]结合RAG的最新实践

[ 26M] 8-7[李洁]QA

第9章 GTE：预训练语言模型驱动的文本 Embedding/

[ 15M] 9-1[龙定坤]Embedding模型背景介绍

[ 17M] 9-2[龙定坤]RAG范式下的EmbeddingModel

[ 77M] 9-3[龙定坤]GTEEmbeddingModel

第10章 jina-embeddings-v2： 打破向量模型 512 长度限制的新思路/

[ 48M] 10-1[王楠]文本的向量表示

[ 18M] 10-2[王楠]RAG应用与向量模型的长度限制

[ 34M] 10-3[王楠]jina-embeddings-v2（1）

[ 47M] 10-4[王楠]jina-embeddings-v2（2）

第11章 圆桌：大模型时代向量数据库新未来/

[ 36M] 11-1[圆桌讨论]大模型时代向量数据库新未来（1）

[ 54M] 11-2[圆桌讨论]大模型时代向量数据库新未来（2）

[ 46M] 11-3[圆桌讨论]大模型时代向量数据库新未来（3）

第12章 向量数据库在金融大模型的落地中的挑战与思考/

[ 11M] 12-1[谭力鸣]金融大模型的定位与愿景

[9.7M] 12-2[谭力鸣]金融大模型与知识库

[ 63M] 12-3[谭力鸣]落地与产品实践

[ 12M] 12-4[谭力鸣]未来展望

第13章 利用向量数据库搭建企业知识库的优化实践/

[6.8M] 13-1[姜勇]建设企业知识库目前的困境

[ 12M] 13-2[姜勇]知识管理新方式：向量数据库

[ 41M] 13-3[姜勇]如何提高数据召回的准确率

[ 21M] 13-4[姜勇]未来企业知识库展望

第14章 使用向量数据库快速构建本地轻量图片搜索引擎/

[9.8M] 14-1[苏洋]场景简述&简明原理

[ 21M] 14-2[苏洋]技术选型的可选选项

[9.8M] 14-3[苏洋]实现三步走

[ 11M] 14-4[苏洋]能力验证

第15章 向量数据库在大模型时代的应用/

[ 53M] 15-1[章平]向量数据库在大模型时代的应用（1）

[ 50M] 15-2[章平]向量数据库在大模型时代的应用（2）