数据库管理-第150期 Oracle Vector DB & AI-02（20240212）
作者：胖头鱼的鱼缸（尹海文） Oracle ACE Associate: Database（Oracle与MySQL） 网思科技 DBA总监 10年数据库行业经验，现主要从事数据库服务工作 拥有OCM 11g/12c/19c、MySQL 8.0 OCP、Exadata、CDP等认证 墨天轮MVP、认证技术专家，ITPUB认证专家，OCM讲师 圈内拥有“总监”、“保安”、“国产数据库最大敌人”等称号，非著 名社恐（社交恐怖分子） 公众号：胖头鱼的鱼缸；CSDN：胖头鱼的鱼缸（尹海文）；墨天轮：胖头鱼的鱼缸；ITPUB：yhw1809。 除授权转载并标明出处外，均为“非法”抄袭。
本来这一期是昨天要写的，但是昨天睡了很久，加上薛首席携老婆孩子来成都旅游，出去接待了一下，因此没有写。
首席还是那么帅气，今天继续，讲讲LLM。
1 LLM
Large Language Model，大语言模型，是
生成式AI的一个类型，是一种人工智能模型，旨在理解和生成人类语言。它们在大量的文本数据上进行训练，单一模型可以执行广泛的任务，包括词法分析、文本分类、命名实体识别、关键词提取、翻译、情感分析、摘要、对话、写作文、写代码等。
2 LLM面临的挑战
大预言模型面临的最大挑战即是幻觉（hallucinations）和过时信息，LLM训练集来自互联网的通用数据，基于某个时间点的数据快照。因此会出现以下一些问题：
3 RAG
Retrieval-Augmented Generation，检索式增强生成方法，从企业专业知识库中检索与请求最相关的信息，并与用户请求捆绑一起作为提示，发送给LLM以获得响应。
同时，包括AI聊天等功能，也可以创建专用的知识库，来增加聊天的能力，比如更强的上下文理解能力，或者更平稳柔和倾向于人类的语言沟通。
4 向量数据库+LLM
RAG让LLM不用重新训练就能够获取最新的信息，基于RAG产生更可靠更专业的输出。实施RAG需要向量数据库等技术，这些技术可以快速嵌入新数据，快速搜索数据并输入给LLM。
总结
本期简单讲解了一下LLM的相关信息，下一期将正式进入Oracle Vector DB的相关内容。 老规矩，知道写了些啥。
