RAG（检索增强生成）是大模型应用的重要方向，它大幅缓解了大模型幻觉、信息更新不及时、专业域或私有域知识匮乏等问题，显著提升了大模型在知识库问答、网页搜索、客服等领域的可信赖度。但我们发现，在实际落地中，RAG 仍存在不少问题，如：文档解析结构丢失、大模型生成幻觉、复杂问题无法解答等等，本次演讲我将主要分享以上问题的解决方案，希望能给大家带来一些启发和思考。

演讲提纲

1. RAG 技术背景及应用场景介绍；
2. 文档结构化：基于大模型的文档层次结构提取；
3. RAG 场景生成幻觉优化：面向 RAG 的大模型微调；
4. RAG Agent 探索：基于 Agent 的自适应 RAG；
5. RAG 案例解析；
6. 总结与展望。

听众收益

1. 阿里云 AI 搜索 RAG 在实际应用场景中碰到的问题及尝试的解决方案
2. 阿里云 AI 搜索 RAG 大模型优化实践中的失败和成功经验