​ROUGE指标与BLEU指标非常类似，均可用来衡量生成结果和标准结果的匹配程度，不同的是ROUGE基于召回率，BLEU更看重准确率。​其中k表示在候选句子(candidate)中出现的第k个词语,Ck则代表在候选句子中这个词语出现的次数，而Sk则代表在参考文本(reference)中这个词语出现的次数。​2.公式:candidate和reference中匹配的 n-gram 的个数 /candi

检索生成阶段：（1）问题向量化–> （2）根据问题查询匹配数据–> （3）获取索引数据 --> （4）将数据注入Prompt–> （5）LLM生成答案。数据准备阶段：（1）数据提取–> （2）分块（Chunking）–> （3）向量化（embedding）–> （4）数据入库。

摘要：SAM3是Meta推出的统一基础模型，支持通过文本或视觉提示（点、框、遮罩）实现图像/视频中的物体检测、分割和跟踪。相比前代只能分割单个实例，SAM3创新性地引入Promptable Concept Segmentation范式，支持通过名词短语或图像范例自动分割所有匹配概念实例。文章提供了开箱即用的Python实现代码，包括模型加载、文本提示分割以及将结果转换为LabelMe标注格式的完整

接着，LLM分别为每个检索到的知识块生成答案，然后为每个答案生成反思评分来评估检索到的文档是否相关，最后将评分高的文档当作最终结果一并交给LLM。你的目标是提供准确的信息，并尽可能帮助提问者解决问题。：如果果原始查询太复杂或返回的信息太广泛，我们可以选择生成一个抽象层次更高的“退后”问题，与原始问题一起用于检索，以增加返回结果的数量。：多向量检索同样会给一个知识文档转化成多个向量存入数据库，不同的