記事一覧

深堀り解説

🔒 「HTMLをそのままLLMに入力してはどうか」という新しいアプローチ

深堀り解説

🔒 ロングコンテキストLLMでも、情報の数は「多ければ多いほど良い」わけではない

深堀り解説

🔒 ハーバード大学とGoogleの研究者ら、LLMチャットボットを総合的に評価するデータセットの作り方を報告（作成されたデータセットも公開）

深堀り解説

🔒 ロングコンテキストLLM台頭の今もRAGを使用する理由

深堀り解説

🔒 RAGの検索データにおける「ノイズ（事実とは異なる情報など）」には有益なノイズと有害なノイズがある

深堀り解説

🔒 RAGの検索精度を実務レベルに高めるには、「情報ごとに ”質問文” を作りデータベースに入れる」のが効果的との報告

深堀り解説

🔒 RAGで検索文書の要約を活用したクエリ書き換えが検索精度を大幅に向上させる　AWS報告

深堀り解説

🔒 RAGとLong-Contextの比較、そしてハイブリッドで活用する新しい方法

深堀り解説

🔒 100個の事例を分析して明らかになったLLM-RAGアプリケーション「19の欠陥パターン」

深堀り解説

🔒 NVIDIAが教えるRAGチャットボット実装の重要ポイント

深堀り解説

🔒 RAGシステムの最適な構築を探る

深堀り解説

🔒 LLMはRAGコンテキストと事前知識のどちらに依存する？

深堀り解説

🔒 RAGにおいて長文を検索することで一気に効率を上げるアプローチ

深堀り解説

🔒 ロングコンテキストはRAGもText to SQLも解決するか　Googleがケーススタディを実施

深堀り解説

🔒 包括的なRAG評価ベンチマーク『CRAG』Metaなどが開発

深堀り解説

🔒 グラフニューラルネットワークを活用したRAG手法『GNN-RAG』　7BのLLMでも最先端性能

深堀り解説

🔒 RAGの失敗パターン7選と教訓9箇条

深堀り解説

🔒 小さなRetrieverとLLMの組み合わせによる実用的なワークフロー生成システム　またはRAGで幻覚を減らす手法

深堀り解説

🔒 LLMによりクエリを生成するアプローチで情報検索の精度を上げる方法

深堀り解説

🔒 RAG（検索拡張生成）において約半分のトークン数でタスクを実行できるフレームワーク『FIT-RAG』