RAG经典案例—上下文检索及细粒度溯源方案：庖丁科技的ChatDOC技术思路及实测

主要观点总结

本文主要介绍了庖丁科技在文档智能领域的两大核心技术：融合目录层级及长文本重排的上下文检索和划词细粒度溯源技术。首先，介绍了上下文检索技术，包括其重要性、影响因素以及庖丁科技的解决方案。然后，介绍了划词细粒度溯源技术，包括其解决取信问题的作用、技术实现的难度以及庖丁科技的TapSource技术。最后，还介绍了庖丁科技的其他产品能力，如PDFlux模型和ChatDOC等。

关键观点总结

关键观点1: 融合目录层级及长文本重排的上下文检索技术

是RAG整体方案中的重要一环，主要针对用户给定的问题，从既定的后台知识库中找到能够充分回答该问题的上下文。影响因素包括chunk切分、检索索引的设定以及检索的策略等。庖丁科技的解决方案是利用文档自身的结构化层级信息，通过长上下文重排模型和目录结构模型来优化检索效果。

关键观点2: 划词细粒度溯源技术

用于解决RAG落地中的取信问题。通过精细到表格单元格、段落、句子等粒度的原文溯源，方便验证答案的正确性。庖丁科技的TapSource技术提供细粒度的原文溯源，支持对答案中的任何部分进行溯源，划选任意想溯源的文本片段，精细定位到原文中相关的句子、表格单元格等内容。

关键观点3: 庖丁科技的产品能力

包括PDFlux模型、ChatDOC等产品，具有表格精准识别、OCR精准识别各类疑难PDF、自动提取章节目录、自由转换为多种格式等优势。产品的准确率、稳定性均保持在业内领先水平。

免责声明