RAG

14 публикаций по теме

RAG

Создайте ИИ-клона себя и масштабируйте экспертизу

ИИ-цифровые персоны позволяют экспертам масштабировать себя, создавая цифровых двойников на базе личных данных. Они обрабатывают запросы круглосуточно, фильтруют лиды и сохраняют стиль общения. Реальные примеры из риелторства, HR, образования, консалтинга и VC показывают, как это повышает продуктивность и доходы.

8 мин

27 ноября 2025 г.

Статьи

Десять уроков создания LLM-приложений для инженеров

Статья делится десятью практическими выводами по разработке приложений на базе больших языковых моделей для инженеров в отраслях вроде процессов и кибербезопасности. Выводы охватывают этапы от постановки задачи до интеграции и оценки, подчеркивая усиление экспертизы, структуру и реальные тесты. Это поможет избежать типичных ошибок и создать полезные инструменты.

12 мин

25 ноября 2025 г.

Статьи

Агентный поиск информации: как реализовать

Агентный поиск информации сочетает традиционные методы вроде TF-IDF и современные подходы на базе RAG для эффективного нахождения данных с помощью ИИ-агентов. Статья описывает создание собственной системы RAG, использование управляемых сервисов и интеграцию инструментов поиска в LLM для повышения качества ответов. Такой подход позволяет агентам самостоятельно решать, когда применять поиск, что улучшает результаты в сложных сценариях.

7 мин

20 ноября 2025 г.

Статьи

7 шагов по созданию простой системы RAG с нуля

В руководстве описаны семь шагов для создания простой системы retrieval-augmented generation (RAG) с нуля, которая улучшает точность ответов больших языковых моделей за счет извлечения внешних данных. Процесс включает предобработку, разбиение на фрагменты, создание embeddings, хранение в FAISS, поиск, объединение контекста и генерацию ответа с использованием открытой модели. Это позволяет избежать галлюцинаций и обеспечивать актуальную информацию.

12 мин

17 ноября 2025 г.

Статьи

Сравнение Graph RAG и SQL RAG

Сравнение Graph RAG и SQL RAG на данных Формулы-1 показало высокую эффективность современных LLM в обоих подходах. Новые модели, такие как GPT-5, достигли почти идеальной точности без специальной настройки. Разница между базами данных минимальна, выбор зависит от структуры данных.

9 мин

1 ноября 2025 г.

Статьи

ColPali: видение-языковой интеллект для RAG

Статья объясняет проблемы традиционного разбора документов в RAG, особенно с таблицами и изображениями, и представляет модель ColPali как решение. ColPali преобразует страницы PDF в изображения и использует мультивекторные встраивания для точного извлечения. Примеры демонстрируют, как это улучшает обработку сложного контента.

12 мин

30 октября 2025 г.

Статьи

Оценка оценщиков: Надежные LLM-оценки

Системы LLM в роли судей могут вводить в заблуждение уверенными, но ошибочными ответами, искажая результаты на 10–20%. Исследователи создали датасет с ручной разметкой и фреймворк syftr для тестирования конфигураций, выявив оптимальные комбинации моделей и промптов. Это позволяет строить дешевле и точнее gpt-4o-mini, достигая до 96% согласованности с человеческими оценками.

12 мин

14 октября 2025 г.

Статьи

Разверните ИИ-аналитика за минуты с Bag of Words

С помощью Bag of Words можно быстро подключить большую языковую модель к SQL-базам и создать ИИ-аналитика для ответов на бизнес-вопросы. Статья описывает шаги развертывания, включая подготовку данных, тестирование и масштабирование, а также типичные вызовы. Это упрощает интеграцию без лишнего кода и помогает получать надежные insights.

6 мин

25 ноября 2025 г.

Новости

Масштабируемый ИИ с Nemotron RAG и SQL Server 2025

NVIDIA и Microsoft объединили усилия для интеграции SQL Server 2025 с моделями Nemotron RAG, позволяя создавать быстрые и защищенные ИИ-приложения на корпоративных данных. Архитектура решает проблемы производительности RAG, упрощает развертывание и обеспечивает гибкость в облаке или локально. Это открывает путь к семантическому поиску и рекомендациям прямо в базе данных.

9 мин

24 ноября 2025 г.

Статьи

Инструмент поиска по файлам Google

Инструмент поиска по файлам Google упрощает создание RAG-систем, интегрируясь напрямую в API Gemini и автоматизируя обработку документов. Он поддерживает различные форматы, обеспечивает векторный поиск и встроенные цитаты для верификации. Примеры кода демонстрируют загрузку файлов и запросы, а также управление лимитами и различия с другими инструментами Google.

12 мин

18 ноября 2025 г.

Статьи

Оценка качества извлечения в RAG: DCG@k и NDCG@k (Часть 3)

В третьей части серии о метриках оценки извлечения в RAG рассматриваются градированные меры DCG@k и NDCG@k, которые учитывают спектр релевантности результатов. Объясняется их расчет, преимущества и применение в Python для улучшения конвейеров RAG. Эти метрики позволяют сравнивать качество ранжирования независимо от размера набора результатов.

7 мин

13 ноября 2025 г.

Статьи

Системное мышление в разработке ИИ-агентов

В интервью Шуай Го делится опытом создания ИИ-агентов, подчеркивая важность защитных механизмов и системного мышления. Он обсуждает распределение задач между аналитическим ИИ и агентами, а также быстрый прогресс в многоагентных системах при отставании в обеспечении надежности. Системное мышление помогает интегрировать новые инструменты в общую архитектуру.

4 мин

30 октября 2025 г.

Статьи

Оценка качества извлечения в RAG: Precision@k, Recall@k, F1@k

В статье разбираются ключевые метрики для оценки качества извлечения документов в конвейерах RAG: HitRate@k, Recall@k, Precision@k и F1@k. Объясняется их значение, формулы и применение на примере текста 'Войны и мира' с использованием FAISS и OpenAI. Это помогает понять, насколько хорошо векторный поиск находит релевантные фрагменты для последующей генерации ответов.

12 мин

16 октября 2025 г.

Новости

Инженерия ИИ и оценки как новые уровни ПО

Статья разбирает инженерию ИИ как расширение традиционной разработки ПО с акцентом на новые уровни сложности. Особое внимание уделяется оценкам (evals) как ключевому инструменту для предотвращения регрессий и обеспечения качества. Рассматриваются типы оценок, методы их реализации и принципы разработки на основе оценок для создания надежных ИИ-приложений.

7 мин

13 октября 2025 г.

Показаны все статьи (14)

RAG

Создайте ИИ-клона себя и масштабируйте экспертизу

Десять уроков создания LLM-приложений для инженеров

Агентный поиск информации: как реализовать

7 шагов по созданию простой системы RAG с нуля

Сравнение Graph RAG и SQL RAG

ColPali: видение-языковой интеллект для RAG

Оценка оценщиков: Надежные LLM-оценки

Разверните ИИ-аналитика за минуты с Bag of Words

Масштабируемый ИИ с Nemotron RAG и SQL Server 2025

Инструмент поиска по файлам Google

Оценка качества извлечения в RAG: DCG@k и NDCG@k (Часть 3)

Системное мышление в разработке ИИ-агентов

Оценка качества извлечения в RAG: Precision@k, Recall@k, F1@k

Инженерия ИИ и оценки как новые уровни ПО

Сейчас в тренде

Популярные темы