پرش به محتوای اصلی

موضوع

بازیابی‌افزا

RAG architectures, vector stores, grounding LLMs in private data

۱٬۱۱۱ مقاله منتشر شده

سه روش برای خواندن مدل دامنه‌ای که تیم‌تان قبلاً بر آن توافق کرده است
آموزش کاربردی

مدل‌های بازبینی‌شده Braid در برابر مستندات قدیمی در شناسایی تضادهای کد

پلتفرم Braid با معرفی مدل‌های بازبینی‌شده توسط انسان، جایگزینی برای تکیه بر کدهای خام یا مستندات قدیمی ارائه می‌دهد. این ابزار تضادهای احتمالی میان پیاده‌سازی فنی و قصد تجاری را…

۷ دقیقه خواندن
نمونه‌ای از دوقلوی معنایی در سطح سازمانی که داده‌ها و فرآیندهای هوش مصنوعی را یکپارچه می‌کند.
آموزش کاربردی

همزاد معنایی؛ راهکار Onix برای رفع شکاف بستر داده در هوش مصنوعی سازمانی

عامل‌های هوش مصنوعی در سازمان‌ها به‌دلیل فقدان درک از معنای کسب‌وکار شکست می‌خورند. Onix با معرفی «همزاد معنایی»، لایه‌ای از گراف دانش ایجاد می‌کند که داده‌های فنی را به مفاهیم…

۳ دقیقه خواندن
کد در حال اجرا در محیط توسعه، نمایشگر برنامه‌نویسی با رابط کاربری تیره و متغیرهای فعال
آموزش کاربردی

ترکیب Pydantic و OpenAI توهمات ارجاع در عامل‌های هوش مصنوعی را حذف کرد

یک الگوی پیاده‌سازی جدید با استفاده از طرح‌واره‌های Pydantic، مدل‌های زبانی را مجبور به رعایت قراردادهای سخت‌گیرانه ورودی/خروجی می‌کند. این روش با حذف ارجاعات ساختگی، تضمین می‌کند…

۳ دقیقه خواندن
حافظه بلندمدت بدون‌اتلاف برای هوش مصنوعی شخصی: بدون خلاصه‌سازی، ثبت هر خط با زمان‌سنج.
آموزش کاربردی

پروژه Lossless-Memory تلخیص هوش مصنوعی را برای بازیابی دقیق خاطرات رد کرد

یک پروژه متن‌باز جدید به نام Lossless-Memory تلخیص‌های هوش مصنوعی را با یک «ستون فقرات زمانی» جایگزین کرده است که تمام گفتگوها را عیناً ذخیره می‌کند. این سیستم با اولویت دادن به…

۶ دقیقه خواندن
نمادین-عصبی: سامانه ممیزی قانونی و تشخیص تقلب سازمانی
آموزش کاربردی

ترکیب هوش مصنوعی نمادین و عصبی توهمات را در حسابرسی مالی حذف کرد

یک معماری جدید با تلفیق بردار‌های معنایی و گراف‌های دانش، احتمال توهم در سیستم‌های نظارتی مالی را به صفر رسانده است. این رویکرد هیبریدی، دقت ریاضی را جایگزین حدس‌های احتمالی…

۱۳ دقیقه خواندن
جستجوی میز قوانین کابین CabinClaim اجرا نمی‌شود
آموزش کاربردی

داده‌های ساختاریافته؛ راهکار CabinClaim برای حذف توهم در عامل‌های سفر

پروژه CabinClaim با جایگزینی جست‌وجوی کلیدواژه‌ای با پرس‌وجو از داده‌های ساختاریافته، نرخ توهم در عامل‌های هوش مصنوعی را کاهش داده است. این سیستم هر قانون پروازی را یک ادعای…

۲ دقیقه خواندن
مستندات ناخوانا را به داده‌های تمیز برای هوش مصنوعی تبدیل کنید
آموزش کاربردی

«تولید داده‌های ساختاریافته»؛ هدف اصلی IBM از عرضهٔ ابزار Docling

کتابخانه متن‌باز Docling با تبدیل اسناد پیچیده به فرمت‌های ساختاریافته، مشکل به‌هم‌ریختگی متن در خط لوله‌های RAG را برطرف می‌کند. این ابزار با استفاده از یادگیری ماشین، چیدمان…

۳ دقیقه خواندن۲
تصویری از یک کارآفرین که در مقابل صفحه‌نمایش کد نشسته و به آینده استارتاپش فکر می‌کند.
داستان‌ها و مصاحبه‌هاتأییدنشده · منبع منفرد

«پل ترول»؛ راهکار سرجیو برای بقای مالی در بازار عامل‌های هوش مصنوعی

سرجیو (Wolf)، توسعه‌دهنده مستقل، پس از ۱۵ ماه ساخت یک پلتفرم پیشرفته برای عامل‌های هوش مصنوعی، با درآمد ماهانه ۲۰ دلار و نبود بودجه بازاریابی مواجه شده است. او اکنون برای بقای…

۴ دقیقه خواندن
شمارش بازیابی من یک متن را سه بار تکرار کرد
آموزش کاربردی

«تکرار داده‌ها مانند آهنربا»؛ علت اصلی افت دقت در RAG

یک باگ پیاده‌سازی باعث شد داده‌های تکراری در کانال‌های مختلف رتبه‌بندی، مانند آهنربایی عمل کرده و نتایج صحیح را به حاشیه برانند. این یافته ثابت می‌کند که بسیاری از شکست‌های ظاهری…

۵ دقیقه خواندن