پرش به محتوای اصلی

موضوع

بازیابی‌افزا

RAG architectures, vector stores, grounding LLMs in private data

۱٬۲۱۱ مقاله منتشر شده

رای تاریخی آلمان: خلاصه‌های هوش مصنوعی گوگل سخنان خود گوگل است و گوگل مسئول پاسخ‌های نادرست.

چرا دفاعیه «بررسی منابع» گوگل در دادگاه آلمان شکست خورد؟

دادگاه مونیخ حکم داد که گوگل مسئول مستقیم ادعاهای نادرست در خلاصه‌های AI است. این تصمیم، گوگل را از یک «نمایانگر لینک‌ها» به یک «ناشر محتوا» تبدیل می‌کند و پیش‌هنگامی حقوقی برای…

۶ دقیقه خواندن۲
چرا برای اکثر سیستم‌های RAG، دیتابیس‌های برداری تخصصی یک اتلاف هزینه هستند؟
آموزش کاربردی

چرا برای اکثر سیستم‌های RAG، دیتابیس‌های برداری تخصصی یک اتلاف هزینه هستند؟

بسیاری از توسعه‌دهندگان به اشتباه از دیتابیس‌های برداری پیچیده و گران‌قیمت استفاده می‌کنند. در مقیاس‌های متوسط، جایگزین‌های ساده‌تری مثل pgvector عملکرد مشابهی دارند و هزینه‌ها را…

۸ دقیقه خواندن
چرا مقیاس‌پذیری مدل‌های زبانی توهمات حقوقی را درمان نمی‌کند؟

چرا مقیاس‌پذیری مدل‌های زبانی توهمات حقوقی را درمان نمی‌کند؟

خطاهای سیستم‌های هوش مصنوعی حقوقی، مانند استنادهای ساختگی، ریشه در نقص معماری و عدم تطابق بازیابی احتمالی با ساختار سلسله‌مراتبی قوانین دارند. چارچوب پیشنهادی جدید با رویکرد…

۲ دقیقه خواندن۲
DARP: افزایش ۴۶ درصدی تعمیم‌پذیری در یادگیری تقلیدی با رویکرد بازیابی محلی

DARP: افزایش ۴۶ درصدی تعمیم‌پذیری در یادگیری تقلیدی با رویکرد بازیابی محلی

رویکرد DARP با جایگزینی سیاست‌های سراسری با ساختارهای بازیابی محلی، خطاهای انباشته در حالت‌های خارج از توزیع را کاهش می‌دهد. این متد منجر به بهبود ۱۵ تا ۴۶ درصدی عملکرد در کنترل…

۱ دقیقه خواندن
Anything2Skill: تبدیل دانش پراکنده به مهارت‌های اجرایی برای عبور از سد RAG

Anything2Skill: تبدیل دانش پراکنده به مهارت‌های اجرایی برای عبور از سد RAG

چارچوب Anything2Skill با تبدیل دانش خارجی پراکنده به قراردادهای مهارتی ساختاریافته، شکاف بین «خواندن مستندات» و «اجرای وظیفه» را پر می‌کند. این رویکرد باعث افزایش نرخ موفقیت…

۲ دقیقه خواندن۱
کاهش خطای طراحی مولکولی به ۰.۰۰۰۳ الکترون-ولت با بازخورد استدلالی LLM

کاهش خطای طراحی مولکولی به ۰.۰۰۰۳ الکترون-ولت با بازخورد استدلالی LLM

پژوهشگران چارچوبی برای مدل‌های زبانی ابداع کرده‌اند که به جای امتیازدهی ساده، از منطق فیزیکوشیمیایی برای طراحی مولکول‌ها استفاده می‌کند. این روش در وظایف متوسط به موفقیت ۱۰۰ درصدی…

۱ دقیقه خواندن
«پوسیدگی متنی»: چرا ۲۳ درصد از تنظیمات دستیارهای کدنویس منسوخ می‌شوند؟

«پوسیدگی متنی»: چرا ۲۳ درصد از تنظیمات دستیارهای کدنویس منسوخ می‌شوند؟

پژوهشی جدید نشان می‌دهد Nearly یک‌چهارم از مخازن کد که از تنظیمات متنی برای هدایت هوش مصنوعی استفاده می‌کنند، با داده‌های منسوخ روبه‌رو هستند. این پدیده که «پوسیدگی متنی» نامیده…

۱ دقیقه خواندن۲
چرا دقت در بازیابی متون دیگر معیار موفقیت در جستجوهای علمی نیست؟

چرا دقت در بازیابی متون دیگر معیار موفقیت در جستجوهای علمی نیست؟

کارگاه CHIIR ۲۰۲۶ گذار از بازیابی سنتی اسناد به «سنتز زاینده» در پژوهش‌های دانشگاهی را ترسیم می‌کند. این چارچوب بر طراحی انسان‌محور با تمرکز بر شفافیت و یکپارچگی پژوهشی تأکید دارد.

۲ دقیقه خواندن
کاهش ۳۶ برابری زمان تنظیم شبیه‌سازهای علمی با لایه‌های مبنی‌سازی SIGA

کاهش ۳۶ برابری زمان تنظیم شبیه‌سازهای علمی با لایه‌های مبنی‌سازی SIGA

آداپتور جدیدی به نام SIGA با ایجاد یک لایه‌ی «مبنی‌سازی» از قواعد و حافظه، امکان تعامل عامل‌های کدنویسی با شبیه‌سازهای پیچیده علمی را فراهم می‌کند. این سیستم در آزمایش‌های مربوط…

۲ دقیقه خواندن۱
گزارش ArXiv: برتری داده‌های اختصاصی بر ساختارهای استدلالی در ارزش‌گذاری دارویی

گزارش ArXiv: برتری داده‌های اختصاصی بر ساختارهای استدلالی در ارزش‌گذاری دارویی

پژوهش‌های جدید نشان می‌دهد عامل‌های هوش مصنوعی در ارزش‌گذاری داروها، بیش از آنکه با محدودیت‌های استدلالی دست‌وپنجر باشند، با کمبود داده‌های باکیفیت مواجه‌اند. دسترسی به مجموعه…

۲ دقیقه خواندن
چگونه SIFT با جایگزینی تنسورهای KV سرعت پیش‌تولید RAG را ۱.۷۱ برابر کرد؟

چگونه SIFT با جایگزینی تنسورهای KV سرعت پیش‌تولید RAG را ۱.۷۱ برابر کرد؟

رویکرد SIFT با جایگزینی تنسورهای حجیم KV با بردارهای بیتی فشرده، سرعت پیش‌تولید در سیستم‌های RAG را به شکل چشمگیری افزایش می‌دهد. این متد حجم ذخیره‌سازی مورد نیاز را ۲۴ هزار برابر…

۲ دقیقه خواندن