반응형 -289 KAG: Boosting LLMs in Professional Domains viaKnowledge Augmented Generation 원문: https://arxiv.org/pdf/2409.13731v3 1. KAG의 필요성과 성능최근 개발된 RAG(이중 난수 추출) 기술이 분야 특화 애플리케이션의 효율적 구축을 가능하게 하지만, 벡터 유사성과 지식 논리의 민감성 부족 등 한계가 존재한다.KAG(Knowledge Augmented Generation)은 이러한 한계를 극복하고 지식 그래프(KG)와 대규모 언어 모델(LLM)을 상호 강화하여 생성 및 추론 성능을 개선하는 것을 목적으로 한다. KAG는 다섯 가지 핵심 측면을 통해 LLM과 KG를 양방향으로 강화한다. KAG는 기존 RAG방법을 다중 연쇄 질의응답에서 능가하며, 특정 Q&A 과제에 적용해 전문성 향상효과를 입증했다. KAG는 곧 오픈소스 KG 엔진 OpenSPG를 통해 개발.. 2024. 12. 15. Vector Database Management Techniques and Systems 원문: https://www.cs.purdue.edu/homes/csjgwang/pubs/SIGMOD24_VecDB_Tutorial.pdf 벡터 데이터베이스 관리 기술에 대한 포괄적인 개요를 제공하는 논문.벡터 쿼리 처리, 저장 및 인덱싱, 그리고 최적화 및 실행의 다양한 기법들을 다루며, 이를 통해 효율적인 데이터 검색의 중요성을 강조하고 있다. 또한, 기존의 전통적인 데이터 관리 시스템들이 벡터의 복잡성에 대응하지 못하는 문제와 이에 대한 해결책을 제시한다.벡터 데이터베이스 시스템(VDBMS)의 최신 기술이 산업에서 어떻게 응용되는지를 알 수 있는 논문이다. 벡터 데이터베이스 관리의 필요성과 발전기존의 전통적인 데이터베이스 관리 시스템은 특징 벡터의 고유한 특성을 처리하는데 부적합하다 . 벡터 데이터.. 2024. 12. 8. Retrieval-Augmented Generation with Knowledge Graphs forCustomer Service Question Answering 원문: https://arxiv.org/html/2404.17723v1 Retrieval-Augmented Generation with Knowledge Graphs for Customer Service Question AnsweringIn defining the knowledge graph structure for historical issue representation, we employ a dual-level architecture that segregates intra-issue and inter-issue relations, as illustrated in Figure 1. The Intra-issue Tree 𝒯i(𝒩,ℰ,ℛ)subscript𝒯arxiv.org이 연구는 고객 서비스 분야.. 2024. 12. 1. [나는 리뷰어다] 밑바닥부터 시작하는 딥러닝 5 "한빛미디어 활동을 위해서 책을 제공받아 작성된 서평입니다." 『밑바닥부터 시작하는 딥러닝』 시리즈의 새로운 책 등장!딥러닝 공부하면서 한 번쯤은 봤을 '밑시딥' 시리즈가 이번에는 생성 모델을 다룹니다. 밑시딥 시리즈로 스터디를 꾸준히 진행하고 있었는데요. (https://aiheroes.ai/community/104) 곧 밑시딥4 스터디를 시작하려는 참에 밑시딥5를 먼저 접하게 되었습니다. 밑시딥5에서는 특히 요즘 핫한 이미지 생성 AI 모델 Stable Diffusion의 핵심 기술인 확산 모델을 상세히 파헤치고 있습니다. 시리즈를 쓴 사이토 고키 교수의 특유의 친절한 설명이 이번에도 빛을 발합니다.기초부터 차근차근, 하지만 제대로책의 매력은 뭐니뭐니해도 탄탄한 구성입니다. 정규 분포와 MLE 같.. 2024. 11. 27. 이전 1 2 3 4 ··· 73 다음 반응형
