基于LLM的开源情报工具建设及RAG之基于推理的检索计划生成思路：兼看昨日大模型进展回顾

主要观点总结

文章主要关注两个问题：一是回顾昨日大模型的进展，包括REAPER工作、大模型预训练进展、文档处理相关开源项目以及RAG和知识图谱方面的工作；二是关于REAPER基于推理的检索计划生成实现思路。REAPER作为一种基于推理的检索计划生成器，用于优化复杂RAG系统的性能，已在亚马逊的购物助理Rufus中得到验证。文章还介绍了REAPER的具体实现细节，包括模型选择、prompt提示的设计、微调数据增强等。

关键观点总结

关键观点1: 昨日大模型进展回顾

包括REAPER工作、大模型预训练进展、文档处理相关开源项目以及RAG和知识图谱方面的新发现。

关键观点2: REAPER工作介绍

REAPER是一种基于推理的检索计划生成器，用于优化复杂RAG系统的性能，已在亚马逊的购物助理Rufus中得到验证。

关键观点3: REAPER实现细节

包括模型选择、prompt提示的设计、微调数据增强等方面的具体实现。

关键观点4: 社区活动介绍

介绍了相关的线上交流预告和社区活动，包括社区第27讲和基于LLM的开源情报工具研究分享。