Популярное

Музыка Кино и Анимация Автомобили Животные Спорт Путешествия Игры Юмор

Интересные видео

2025 Сериалы Трейлеры Новости Как сделать Видеоуроки Diy своими руками

Топ запросов

смотреть а4 schoolboy runaway турецкий сериал смотреть мультфильмы эдисон
dTub
Скачать

Реализация RAG на основе GigaChat. Как искать и генерировать ответы по базе знаний?

Автор: Сергей Тращенков

Загружено: 2024-05-16

Просмотров: 12469

Описание:

Большие языковые модели могут генерировать тексты, содержащие ложную информацию. Это явление называют "галлюцинациями". Кроме того, знания модели ограничены тем корпусом текстов, на котором она обучалась. Чтобы преодолеть эти ограничения принято прибегать к созданию RAG (Retrieval Augmented Generation) - вопросно-ответных систем, где ответы опираются на внешний источник знаний. Обычно в роли такого источника выступает векторная база данных.

В этом туториале мы рассмотрим, как работает RAG, а также создадим свою RAG-систему на основе GigaChat API и GigaChain.

В этом видео в качестве текстов для базы знаний использовались статьи с сайта N+1: https://nplus1.ru/search?tags=871

Блокнот из ролика можно взять из репозитория: https://github.com/trashchenkov/gigac...

Мой канал в Telegram: https://t.me/gigatrash

Реализация RAG на основе GigaChat. Как искать и генерировать ответы по базе знаний?

Поделиться в:

Доступные форматы для скачивания:

Скачать видео mp4

  • Информация по загрузке:

Скачать аудио mp3

Похожие видео

array(10) { [0]=> object(stdClass)#4832 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "PHCm7dADiVk" ["related_video_title"]=> string(100) "GigaChain. Как загрузить документы, чтобы ИИ отвечал по ним?" ["posted_time"]=> string(19) "1 год назад" ["channelName"]=> string(31) "Сергей Тращенков" } [1]=> object(stdClass)#4805 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "sr2iWz133eg" ["related_video_title"]=> string(92) "Что такое RAG в LLM и причём тут векторные базы данных" ["posted_time"]=> string(23) "1 месяц назад" ["channelName"]=> string(23) "Rustam Kamalov | Python" } [2]=> object(stdClass)#4830 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "w0pB2kXvYX8" ["related_video_title"]=> string(110) "Как нейросеть знает то, что не знает? Секрет в методе RAG для LLM" ["posted_time"]=> string(27) "6 месяцев назад" ["channelName"]=> string(10) "AI.Dialogs" } [3]=> object(stdClass)#4837 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "bv_It-GH-yA" ["related_video_title"]=> string(88) "Алерон Миленкин | RAG и как его правильно готовить" ["posted_time"]=> string(27) "8 месяцев назад" ["channelName"]=> string(9) "ODS AI Ru" } [4]=> object(stdClass)#4816 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "efzTE_Vj0gU" ["related_video_title"]=> string(106) "RAG и CAG, или как дообучить ИИ и сделать ответы более точными" ["posted_time"]=> string(23) "1 месяц назад" ["channelName"]=> string(9) "Vibe Code" } [5]=> object(stdClass)#4834 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "slfC9um1qdk" ["related_video_title"]=> string(123) "RAG. Делаем вопросно-ответную систему с поиском по базе видеороликов" ["posted_time"]=> string(19) "1 год назад" ["channelName"]=> string(31) "Сергей Тращенков" } [6]=> object(stdClass)#4829 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "uvVYCpWDFhI" ["related_video_title"]=> string(80) "Использование больших языковых моделей с RAG" ["posted_time"]=> string(27) "6 месяцев назад" ["channelName"]=> string(6) "MSU_AI" } [7]=> object(stdClass)#4839 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "gQEpthYWN38" ["related_video_title"]=> string(79) "Создание Telegram-бота на базе LLM с RAG и Function Calling" ["posted_time"]=> string(69) "Трансляция закончилась 2 месяца назад" ["channelName"]=> string(12) "Yandex Cloud" } [8]=> object(stdClass)#4815 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "BigoOpMmZpo" ["related_video_title"]=> string(168) "Fine-tune проиграл. RAG это лучший способ получить точные ответы от LLM. База знаний для нейросетей." ["posted_time"]=> string(27) "9 месяцев назад" ["channelName"]=> string(11) "Peter Hanzo" } [9]=> object(stdClass)#4833 (5) { ["video_id"]=> int(9999999) ["related_video_id"]=> string(11) "DyOKAVzMWaQ" ["related_video_title"]=> string(108) "Построение локального ассистента с помощью RAG и открытых LLM" ["posted_time"]=> string(28) "10 месяцев назад" ["channelName"]=> string(9) "girafe-ai" } }
GigaChain. Как загрузить документы, чтобы ИИ отвечал по ним?

GigaChain. Как загрузить документы, чтобы ИИ отвечал по ним?

Что такое RAG в LLM и причём тут векторные базы данных

Что такое RAG в LLM и причём тут векторные базы данных

Как нейросеть знает то, что не знает? Секрет в методе RAG для LLM

Как нейросеть знает то, что не знает? Секрет в методе RAG для LLM

Алерон Миленкин | RAG и как его правильно готовить

Алерон Миленкин | RAG и как его правильно готовить

RAG и CAG, или как дообучить ИИ и сделать ответы более точными

RAG и CAG, или как дообучить ИИ и сделать ответы более точными

RAG. Делаем вопросно-ответную систему с поиском по базе видеороликов

RAG. Делаем вопросно-ответную систему с поиском по базе видеороликов

Использование больших языковых моделей с RAG

Использование больших языковых моделей с RAG

Создание Telegram-бота на базе LLM с RAG и Function Calling

Создание Telegram-бота на базе LLM с RAG и Function Calling

Fine-tune проиграл. RAG это лучший способ получить точные ответы от LLM. База знаний для нейросетей.

Fine-tune проиграл. RAG это лучший способ получить точные ответы от LLM. База знаний для нейросетей.

Построение локального ассистента с помощью RAG и открытых LLM

Построение локального ассистента с помощью RAG и открытых LLM

© 2025 dtub. Все права защищены.



  • Контакты
  • О нас
  • Политика конфиденциальности



Контакты для правообладателей: [email protected]