پرش به محتوای اصلی

موضوع

بازیابی‌افزا

RAG architectures, vector stores, grounding LLMs in private data

۱٬۱۱۳ مقاله منتشر شده

مقایسه روش‌های بازیابی اطلاعات و پنجره‌های بزرگ زمینه برای تحلیل تاریخی حرفه‌ای: دقت، هزینه و کارایی
آموزش کاربردی

رویکرد RAG هزینه‌های استنتاج در مقیاس صنعتی را ۲۵ برابر کاهش داد

مهندسی ابزارهای هوش مصنوعی با پنجره‌های متنی بزرگ، معماریست که با چالش هزینه و دقت روبروست. در مقابل، روش RAG با جداسازی ذخیره‌سازی از استدلال، دقت را افزایش و هزینه‌ها را به‌شدت…

۷ دقیقه خواندن
سیستم هوش مصنوعی به قضات پاکستانی در رفع انبوه پرونده‌های معوق کمک کرد؛ بازدهی ۳۸.۵ دلار به ازای هر دلار سرمایه‌گذاری

هر ۱ دلار سرمایه‌گذاری در JudgeGPT بازدهی ۳۸.۵ دلاری در دادگاه‌های پاکستان داشت

یک آزمایش گسترده در پاکستان نشان می‌دهد دستیار هوش مصنوعی می‌تواند حجم پرونده‌های معوق قضایی را به‌طور چشمگیری کاهش دهد. کلید این موفقیت نه تنها در تکنولوژی، بلکه در آموزش هدفمند…

۳ دقیقه خواندن۲
گیت‌هاب - Hikari-Systems/slater: پایگاه داده گراف کم‌حافظه با پشتیبانی از Bolt+tls، رمزنگاری در حالت استراحت و بردارها برای ا
آموزش کاربردی

پایگاه‌داده Slater: کاهش مصرف رم برای پردازش گراف‌های میلیاردی

پایگاه‌داده جدید Slater با جداسازی اندازه گراف از مصرف رم، امکان اجرای گراف‌های میلیاردی را روی سخت‌افزارهای ارزان فراهم می‌کند. این سیستم با پشتیبانی از پروتکل Bolt و جست‌وجوی…

۳۵ دقیقه خواندن۲
اما چه کسی به رابط خط فرمان ویکی نیاز دارد؟
آموزش کاربردی

تبدیل پوشه‌های مارک‌داون به پایگاه‌داده‌های ساختاریافته با ابزار wiki CLI

ابزار متن‌باز جدیدی عرضه شده است که به عامل‌های هوش مصنوعی اجازه می‌دهد با فایل‌های مارک‌داون مانند یک پایگاه‌داده ارتباطی رفتار کنند. این سیستم با جایگزینی خواندن مکرر فایل‌ها با…

۶ دقیقه خواندن
بازارچه گردش کار BizNode: اتصال چند ربات در خطوط چندمرحله‌ای. جذب مشتری، از قرارداد تا پرداخت...
آموزش کاربردی

BizNode با خط‌لولاهای محلی، هزینه‌های اشتراکیِ اتوماسیون کسب‌وکار را حذف کرد

پلتفرم BizNode با انتقال پردازش هوش مصنوعی از ابر به سخت‌افزار محلی، امکان ساخت زنجیره‌های اتوماسیون بدون هزینه اشتراک ماهانه را فراهم می‌کند. این ابزار با تمرکز بر حریم خصوصی،…

۳ دقیقه خواندن۲
ارزیابی RAG شما دروغ می‌گوید؛ اشکال در بازیابی است، نه مدل زبانی.
آموزش کاربردی

«خطای بازیابی»؛ دلیل اصلی فریب‌دهنده بودن نتایج ارزیابی RAG

نوسان در نتایج ارزیابی سیستم‌های RAG معمولاً به دلیل عدم قطعیت در لایه‌ی بازیابی است، نه ناپایداری مدل زبانی. با تثبیت پارامترهای جست‌وجو و نسخه‌بندی تکه‌ها، می‌توان نویز را حذف و…

۶ دقیقه خواندن
دوره آموزش هوش مصنوعی در حیدرآباد | آموزش آنلاین AI Stack
آموزش کاربردی

«ضرورت یکپارچگی سیستماتیک»؛ کلید رفع کمبودی‌های مهارتی در برنامه‌نویسی AI

انتخاب مسیرهای آموزشی نادرست باعث ایجاد شکاف‌های مهارتی جدی در توسعه‌دهندگان تازه‌کار می‌شود. رویکرد «پشتهٔ هوش مصنوعی» به‌جای آموزش ابزارهای پراکنده، بر یکپارچگی سیستماتیک تأکید…

۵ دقیقه خواندن
تیم بازاریابی هوش مصنوعی متن‌باز که ۲۴ ساعته فعال است
آموزش کاربردی

پلتفرم AgentCrew MCN چرخهٔ بازاریابی محتوایی را با عامل‌های چندگانه خودکار کرد

چارچوب متن‌باز AgentCrew MCN تیمی از چهار عامل هوش مصنوعی را برای پژوهش، تولید و انتشار محتوا در پلتفرم‌های مختلف سازمان‌دهی می‌کند. این سیستم با استفاده از RAG پایداری لحن برند…

۶ دقیقه خواندن۲
مدل‌های زبانی بزرگ: راهنمای فاینمن
آموزش کاربردی

کالبدشکافی مهندسی مدل‌های زبانی؛ از توکن‌سازی تا حافظهٔ خارجی RAG

یک تحلیل فنی، مسیر تبدیل داده‌های خام به دستیاران هوشمند را در چهار مرحله بررسی می‌کند. این راهنما سازوکارهای توکن‌سازی، مکانیسم توجه در ترنسفورمرها و نقش بازخوردهای انسانی را…

۴ دقیقه خواندن
حافظه معنایی: چگونه هوش مصنوعی دانش درباره شما می‌سازد
آموزش کاربردی

حافظه معنایی؛ تبدیل گفتگوهای پراکنده هوش مصنوعی به گراف دانش ساختارمند

سیستم‌های شخصی هوش مصنوعی در حال گذار از حافظه اپیزودیک (رویدادمحور) به حافظه معنایی هستند. این تغییر اجازه می‌دهد عامل‌ها به‌جای جست‌وجو در تاریخچه طولانی چت‌ها، مستقیماً از یک…

۳ دقیقه خواندن۲