OpenKG新开设“TOC专家谈”栏目，推送OpenKG TOC（技术监督委员会）专家成员的观点文章。本期邀请到阿里巴巴通义实验室自然语言处理方向负责人黄非研究员介绍通义大模型在知识检索增强方面的一些实践。
随着人工智能技术的飞速发展，大模型以其强大的自然语言理解和生成能力，在诸多领域展现出前所未有的潜力。然而，面对瞬息万变的信息环境、海量的专业知识需求以及对精准性、时效性的严苛要求，纯粹依赖模型内部参数固化知识的大模型有时显得力有未逮。在此背景下，“检索增强”的技术应运而生，旨在通过巧妙结合外部知识库与大模型的核心能力，实现知识处理与智能交互效能的显著提升。以下是对检索增强这一前沿技术的专家访谈，旨在引导读者了解相关技术发展动态和前沿实践。
通义大模型
大模型知识检索增强（RAG）
基于排序反馈增强RAG方法
基于语言模型随机点过程的上下文学习方法
检索增强与AI智能体
总结与展望
INTRODUCTION
黄非
黄非博士，阿里巴巴通义实验室自然语言处理方向负责人。他带领自然语言处理（NLP)团队研发通义自然语言大模型体系，在机器阅读理解(MRC），图文问答（VQA）和中文理解（CLUE）等任务上实现首次超越人类结果；建设阿里巴巴NLP平台和产品在集团内支持数百个场景日均数万亿级调用，对外以智能技术赋能软件开发（通义灵码），角色对话（通义星尘），办公效率（通义智文），司法（通义法睿），电商等行业合作伙伴，也是国内最大的协同办公平台钉钉的智能技术和AI开源魔搭社区NLP模型的主要提供者。他在人工智能顶级会议和期刊发表文章150+篇，国际专利50+项，曾担任ACL，TACL等学术会议领域主席和期刊编辑等。
