发布于

基于PieCloudVector的 RAG实践

什么是RAG ？ 检索增强生成（RAG）主要作用是对大型语言模型（LLM）的输出进行优化，使其能够在生成响应结果之前引用训练数据来源之外的权威知识库。大型语言模型用海量数据进行训练，使用数十亿个参数为回答问题、翻译语言和完成句子等任务生成原始输出。在

发布于

大模型数据计算系统——实现

在《大模型数据计算系统——理论》部分，我们谈到数据计算系统通过原生计算规则，并通过引入初始模型和数据进行训练，将训练好的模型作为一个新的计算规则引入到数据计算系统中。我们在纵向上无限逼近终极模型，在横向上创造更大的模型。因此，大模型数据计算系统的数字智

发布于

大模型数据计算系统——理论

现在，我们可以通过数据计算来生成新的局部计算规则，并将其引入到我们的数据计算系统中。拓数派的数据计算系统可以被定义为：通过对初始模型和数据进行训练，形成新的计算规则。这些计算规则可以被视为局部公理，并重新插入到数据计算系统中，从而进行迭代，形成新的数据计算系统。

发布于

拓数派宣布PieCloudDB2全面数仓云原生虚拟化技术

拓数派在πDay上宣布全面完成数仓云原生虚拟化。在最新发布的“PieCloudDB Database Management System 2.x”系列版本 （以下简称PieCloudDB2）全面完成多个云原生虚拟数仓并发执行，各个动态虚拟数仓根据自己的授权访问S3上加密并统一的用户数据库实例数据。 云原生数仓虚拟化使得用户可以将多个数仓整合，数量级地减少计算资源成本的时候，数量级地提升数据计算空间。