반응형 -291 GNN-RAG: Graph Neural Retrieval for LargeLanguage Model Reasoning 논문 원문: https://paperswithcode.com/paper/gnn-rag-graph-neural-retrieval-for-large Papers with Code - GNN-RAG: Graph Neural Retrieval for Large Language Model ReasoningImplemented in one code library.paperswithcode.com코드: https://github.com/cmavro/GNN-RAGAbstract본 논문에서는 대규모 언어 모델(Large Language Models, LLM)의 추론 능력을 향상시키기 위한 새로운 프레임워크인 GNN-RAG를 제안한다. 지식 그래프(Knowledge Graph, KG)는 머리, 관계, 꼬리의 삼중항을 통해.. 2024. 11. 10. G-Retriever: Retrieval-Augmented Generation forTextual Graph Understanding andQuestion Answering 원문: https://arxiv.org/pdf/2402.07630Abstract연구의 핵심은 사람들이 그래프와 '대화'를 할 수 있게 만드는 것입니다. 더 자세히 말하면, 사용자가 그래프에 대해 질문을 하면 -> 시스템이 텍스트로 답변을 하고 -> 그래프에서 관련된 부분을 하이라이트해서 보여줍니다.기존 연구와의 차이점- 기존 연구들은 주로 단순한 그래프나 작은 그래프만 다뤘습니다- 이 연구는 실제 세상의 복잡한 그래프를 다룰 수 있습니다- 다양한 분야(장면 이해, 상식 추론, 지식 그래프 등)에 적용 가능합니다해결 방법 (G-Retriever)- 대규모 언어 모델(LLM)을 사용합니다- 그래프가 너무 커서 한 번에 처리하기 어려울 때를 대비해 '검색 증강 생성(RAG)' 방식을 도입했습니다- 특히 'Pr.. 2024. 11. 3. [나는 리뷰어다] 오픈: 비즈니스 패권의 열쇠 "한빛미디어 나는리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."전략적 무기가 된 오픈소스, 그 이면의 진실글로벌 오픈소스 생태계의 중심에서 경험을 쌓은 저자는 이 책을 통해 우리가 흔히 알고 있는 '오픈소스'에 대한 고정관념을 완전히 뒤집습니다. "오픈소스는 순수하지 않다"라는 도발적인 주장으로 시작하는 이 책은, 겉으로 보이는 공유와 협업이라는 가치 뒤에 숨겨진 치열한 비즈니스 전략과 글로벌 패권 경쟁의 실체를 낱낱이 파헤치고 있습니다.오픈소스를 바라보는 새로운 시각저자는 오픈소스를 단순히 기술적 영역이나 개발자들의 공유 문화로 한정짓지 않습니다. 대신 현대 비즈니스 환경에서 핵심 경쟁력을 좌우하는 전략적 도구로 재해석합니다. 특히 주목할 만한 점은 "오픈은 평등하지만 공평하지는 않다"라는.. 2024. 10. 27. LLM Internal States Reveal Hallucination Risk Faced With a Query 원문: https://ar5iv.labs.arxiv.org/html/2407.03282 LLM Internal States Reveal Hallucination Risk Faced With a QueryThe hallucination problem of Large Language Models (LLMs) significantly limits their reliability and trustworthiness. Humans have a self-awareness process that allows us to recognize what we don’t know when faced with …ar5iv.labs.arxiv.orgAbstractLLM의 환각 문제는 신뢰성을 크게 떨어뜨립니다. 해당 논문에서 연구.. 2024. 10. 20. 이전 1 2 3 4 5 6 ··· 73 다음 반응형
