NVIDIA 研究解读：检索增强与长上下文 LLM 的对比与结合
LlamaIndex 解读 NVIDIA 研究，用 Nemo GPT-43B（扩展至 16K）与 LLaMA2-70B（扩展至 16K/32K）在 7 个数据集上比较检索增强与长上下文扩展。
#Meta
LlamaIndex：产品、工程与评测AI 评分5252
LlamaIndex：产品、工程与评测AI 评分4646 Meta 提出 RA-DIT：用检索增强双重指令微调提升 RAG 效果
Meta AI 研究团队提出 RA-DIT（检索增强双重指令微调），通过分别微调 LLM 与检索器，让任意 LLM 获得检索能力。在知识密集型任务上，RA-DIT 65B 的 0-shot 平均 EM 达 50.5，高于 LLAMA 65B REPLUG 的 43.1 和 LLAMA 65B 的 32.9；64-shot 微调下平均 60.9，略超 ATLAS 的 56.8。
Hugging Face 社区博客AI 评分5959 Code Llama 发布：Llama 2 学会写代码
Hugging Face 博客介绍 Code Llama，一个基于 Llama 2 的代码模型。正文抓取失败，仅标题可用，细节以原文链接为准。
Hugging Face 社区博客精选AI 评分8888 Llama 2 发布并登陆 Hugging Face
Llama 2 发布，可在 Hugging Face 上获取。