## RAG检索增强和模型训练样本
### 1. 课程内容
1.对大模型幻觉、RAG检索增强、模型训练样本三个概念进行介绍，为后续实操做好理论铺垫便于后续理解操作。
### 2. 什么是大模型幻觉？大模型为什么会产生幻觉？
RAG检索增强和模型训练样本主要作用是为了减少大模型幻觉，这里先了解一下大模型幻觉。

大模型产生的幻觉指的是模型在理解环境、生成指令或规划行动时，输出与真实世界事实、逻辑不符的内容，导致机器人做出错误的行为、或者用户的期望结果偏差较大。

为什么会产生大模型幻觉？**大模型本质上是基于海量文本训练的概率预测系统**，在某些特定领域或特定场景中、训练数据可能缺乏足够样本，导致模型 “编造” 内容填补空白。
### 3. RAG检索增强和训练样例
#### 3.1 RAG检索增强
RAG 是一种将**检索系统**（Retrieval）与**生成模型（Generation）相结合的架构，在解决传统生成模型在处理开放域知识问答、实时信息查询**等场景时的局限性（如知识过时、事实性幻觉、长文本依赖等）。其核心逻辑是：**通过检索获取相关的知识并将其融入Prompt，让大模型能够参考相应的知识，实现 “先检索、后生成”** 。

![](/media/202511/57af100d74ee413cbe2f861e0c7750358689.png)
#### 3.2 训练样例
训练样例包含在RAG的知识库中，机器人有动作函数库、训练样例两个知识库，训练样例中包含了课程案例场景中的训练样本，为大模型在特定场景下的决策规划提供了思路。
## 4. RAG检索增强、训练样本在机器人身上的作用
### 4.1 减少大模型幻觉
大模型遇到完全没有接触过的领域和特殊的用户要求时，大模型会根据已有的训练数据给出可能的结果，但是这个结果可能会与用户希望的结果不同，或者不符合某个特定场景下的要求。
### 4.2 增加机器人的场景泛化能力
机器人有预设了和课程案例相关的训练样例（在配置大模型课程中会详细讲解），这些训练样例为大模型提供了在特定场景下的参考信息，用户也可以添加自己的训练样本，定制属于自己专属的机器人以适应不同应用领域。
### 4.3 减少模型的prompt提示
如果训练样本、知识库数量较少可以直接放在大模型prompt提示中，prompt提示是用户给大模型预设的角色，要求等需要提前告知大模型的信息，如果需要增加自己的训练场景、和机器人动作函数库，随着知识库体量的增加，如果prompt过长，会消耗更多的token额度。因此引入了RAG检索增强来统一管理机器人动作函数库和训练样例。
### 4.4 便于扩展和管理机器人能力
大模型平台提供了在线管理知识库、训练样例的功能，使得用户能便捷管理和扩展数据，国内用户默认使用学校大模型平台管理动作函数库和训练样本。

4、RAG检索增强和模型训练样本