🔸 محققان دانشگاه UIUC چارچوب متنباز s3 را برای ساخت سیستمهای RAG (Retrieval-Augmented Generation) کارآمدتر معرفی کردند.
🔸 ایده اصلی s3 جداسازی کامل بخش جستجوگر (برای پیدا کردن مدارک مرتبط) از بخش مولد (برای تولید پاسخ نهایی) است.
🔸 با این روش جدید، میتوانید از هر مدل زبانی (LLM) آماده یا اختصاصی به عنوان مولد استفاده کنید بدون اینکه نیاز به تنظیم (فاینتیون) آن داشته باشید؛ خبری عالی برای شرکتها.
🔸 s3 به داده آموزشی بسیار کمتری نسبت به روشهای قبلی نیاز دارد و برای دامنههایی که روی آنها آموزش ندیده نیز قابل تعمیم است.
🔸 نتایج آزمایشها نشان میدهد s3 در اکثر بنچمارکها عملکرد بهتری نسبت به سیستمهای RAG موجود ارائه میدهد.
#هوش_مصنوعی #RAG #LLM
🔸 ایده اصلی s3 جداسازی کامل بخش جستجوگر (برای پیدا کردن مدارک مرتبط) از بخش مولد (برای تولید پاسخ نهایی) است.
🔸 با این روش جدید، میتوانید از هر مدل زبانی (LLM) آماده یا اختصاصی به عنوان مولد استفاده کنید بدون اینکه نیاز به تنظیم (فاینتیون) آن داشته باشید؛ خبری عالی برای شرکتها.
🔸 s3 به داده آموزشی بسیار کمتری نسبت به روشهای قبلی نیاز دارد و برای دامنههایی که روی آنها آموزش ندیده نیز قابل تعمیم است.
🔸 نتایج آزمایشها نشان میدهد s3 در اکثر بنچمارکها عملکرد بهتری نسبت به سیستمهای RAG موجود ارائه میدهد.
#هوش_مصنوعی #RAG #LLM