タグ

関連タグで絞り込む (1)

タグの絞り込みを解除

GenAIに関するtomuteのブックマーク (21)

  • RAGの性能を改善するための8つの戦略 | Fintan


    OpenAIGPT-4GoogleGeminiMetaLLaMALarge Language ModelLLM[1][2][3]LLM LLM-jp-eval[4]MT-bench-jp[5]LLMNejumi LLM Neo 
    RAGの性能を改善するための8つの戦略 | Fintan
  • RAGの実案件に取り組んできた今までの知見をまとめてみた | DevelopersIO

    はじめに 新規事業部 生成AIチーム 山です。 ChatGPTOpenAI API)をはじめとしたAIの言語モデル(Large Language Model:以下、LLM)を使用して、チャットボットを構築するケースが増えています。通常、LLMが学習したときのデータに含まれている内容以外に関する質問には回答ができません。そのため、例えば社内システムに関するチャットボットを作成しようとしても、素のLLMでは質問に対してわからないという回答や異なる知識に基づいた回答が(当然ながら)得られてしまいます。 この問題を解決する方法として、Retrieval Augmented Generation(以下、RAG)という手法がよく使用されます。RAGでは、ユーザからの質問に回答するために必要そうな内容が書かれた文章を検索し、その文章をLLMへの入力(プロンプト)に付け加えて渡すことで、ユーザが欲しい

    RAGの実案件に取り組んできた今までの知見をまとめてみた | DevelopersIO
  • マイクロソフト、初心者向け生成AI学習教材「生成AIアプリケーションの開発を始めるために必要な全知識を学べる12講座」を無償公開


    AIAI12 LLM AIAILLM調使Vector DatabasesAPIFunction CallingFunction Calling  
    マイクロソフト、初心者向け生成AI学習教材「生成AIアプリケーションの開発を始めるために必要な全知識を学べる12講座」を無償公開
  • LLMのRAG(外部知識検索による強化)をまとめた調査報告 | AIDB

    LLMのRAG(外部知識検索による強化)についての調査結果が報告されています。 基フレームワークと各構成要素の詳細、評価、そして今後の発展について言及されており網羅的です。 記事では、その報告内容を抜粋してお届けします。 参照論文情報 タイトル:Retrieval-Augmented Generation for Large Language Models: A Survey 著者:Yunfan Gao, Yun Xiong, Xinyu Gao, Kangxiang Jia, Jinliu Pan, Yuxi Bi, Yi Dai, Jiawei Sun, Haofen Wang 所属:Tongji University, Fudan University URL:https://doi.org/10.48550/arXiv.2312.10997 記事の関連研究:LLMにナレッジグ

    LLMのRAG(外部知識検索による強化)をまとめた調査報告 | AIDB
  • 松尾研 LLM講座 講義コンテンツ | 東京大学松尾研究室 - Matsuo Lab


    20239~10 LLM  2,0007 GPU使800   : 2024210  1Overview of Language Models LLMLLM 2Prompting and Augmented Language Model LLMAugme
    松尾研 LLM講座 講義コンテンツ | 東京大学松尾研究室 - Matsuo Lab
  • 【switch-c-2048】GoogleがついにGPT-4レベルのLLMをオープンソースで公開!概要〜使い方まで | WEEL


    AI1switch-c-2048GoogleGPT-4LLM使 AIAI GoogleMOEswitch-c-2048 MOE1.63.1TBGPT 4 switch-c-2048使使 switch
  • LangChainとフルサーバーレスですばやくセキュアなRAGアプリをつくるための実践解説/LangChain_Book

    2023.11.21 講演した資料です。 ChatGPT/LangChainによるチャットシステム構築[実践]入門 https://forkwell.connpass.com/event/301152/

    LangChainとフルサーバーレスですばやくセキュアなRAGアプリをつくるための実践解説/LangChain_Book
  • LLMを使ったアプリケーション開発の基本とLangChain超入門


    https://www.amazon.co.jp/dp/4297138395 === ChatGPTAPILLM使LLM使LangChain LLMLangChain LLM使LangChain === https://forkwell.connpass.com/event
    LLMを使ったアプリケーション開発の基本とLangChain超入門
  • ChatGPTに社内文書に基づいた回答を生成させる仕組みを構築しました - コネヒト開発者ブログ


     8y.ikenoue AI使 ChatGPTStable DiffusionAI1OpenAI DevDayChatGPT AISlackChatGPT tech.connehito.com   
    ChatGPTに社内文書に基づいた回答を生成させる仕組みを構築しました - コネヒト開発者ブログ
  • 社内情報検索システムで用いられるRAGの4つの実装方法


    2    X: _mkazutaka Github: mkazutaka 18  FX Bot 08/30 https://note.com/mkazutaka/n/n9f0e2c4dee96 CONFIDENTIAL INFORMATION: Not for Public Distribution - Do Not Copy 3  EXPLAZA, Inc.    CEO   20200703 
    社内情報検索システムで用いられるRAGの4つの実装方法
  • ChatGPTの10ヶ月と開発トレンドの現在地

    9/28の #日CTO協会 さんのイベントで登壇した資料を公開しました。 「ChatGPTの10ヶ月と開発トレンドの現在地」 開発のトレンドの最新情報をざっくり纏めています。 ・Prompt Engineering開発の現在地 ・RAG開発の現在地 ・Plugin開発の現在地 ・GPT-Vの登場と生成AI時代のこれからについて やや開発者寄りな内容なので、基礎を知りたい場合はAzure OpenAI大全も併せてご確認を。 (こっちも近々最新化します…) https://speakerdeck.com/hirosatogamo/chatgpt-azure-openai-da-quan

    ChatGPTの10ヶ月と開発トレンドの現在地
  • FMOps/LLMOps:生成系 AI の運用と MLOps との違い | Amazon Web Services


    Amazon Web Services  FMOps/LLMOps AI MLOps   (Large Language Model: LLM)  AI稿MLOps  AI (FMOps) Text to Text LLM  (LLMOps) LLMOps  FMOps  MLOps
    FMOps/LLMOps:生成系 AI の運用と MLOps との違い | Amazon Web Services
  • Metaの「Llama 2」をベースとした商用利用可能な日本語LLM「ELYZA-japanese-Llama-2-7b」を公開しました|ELYZA, Inc.

    Metaの「Llama 2」をベースとした商用利用可能な日語LLM「ELYZA-japanese-Llama-2-7b」を公開しました 記事のサマリーELYZAが「Llama 2」ベースの商用利用可能な日語LLM「ELYZA-japanese-Llama-2-7b」を一般公開 性能は「GPT-3.5 (text-davinci-003)」に匹敵、日語の公開モデルのなかでは最高水準 Chat形式のデモや評価用データセットも合わせて公開 既に社内では、130億、700億パラメータのモデルの開発も進行中 はじめにこんにちは。ELYZAの研究開発チームの佐々木、中村、平川、堀江です。 この度ELYZAは、Metaの「Llama 2」をベースに、日語による追加事前学習を行なった日語言語モデル「ELYZA-japanese-Llama-2-7b」と、そこにELYZA独自の事後学習を施した「

    Metaの「Llama 2」をベースとした商用利用可能な日本語LLM「ELYZA-japanese-Llama-2-7b」を公開しました|ELYZA, Inc.
  • ChatGPTを業務に組み込むためのハンズオン.pdf

    ChatGPTを業務に組み込むためのハンズオン 2023/06/26 一般公開用 デジタル庁 Fact&Data Unit 大杉直也 ↑マイナンバー交付数のダッシュボードを作っているところです 「Microsoft でテストされたアイデアのうち、改善を示すメトリクスを実際に改善できたのは3分の1にすぎない」 (Microsoft社 元Vice President) 「もしあなたが実験主導のチームにいるなら、70%の仕事が捨てられることに慣れてください。それに応じてプロセスを構築しましょう」(Slack社 Director) A/Bテスト実践ガイド p14より 一方で 「アイデアの価値を見積もることは難しい。このケースでは、年間1億ドルの価値ある単純な変更が何か月も遅れていた。」(同著 p5より) こともあります 午前中のアイデアソンで出たアイデアはちゃんと検証するまで価値があるかは不明です

  • ChatGPTに自社の情報を組み込みたい① - 一休.com Developers Blog


     .com ChatGPT 便使  2宿 ChatGPT  ChatGPT ChatGPT
    ChatGPTに自社の情報を組み込みたい① - 一休.com Developers Blog
  • AIはどのような仕事ができるようになったのか?ChatGPTで変わる「優秀な人材」


    3  LassoSVMRandomForestLightGBM
    AIはどのような仕事ができるようになったのか?ChatGPTで変わる「優秀な人材」
  • 「ChatGPT」で作成したコードの所有権は誰に--法的保護をめぐる複雑な問題


    David Gewirtz Special to ZDNET.com   2023-06-23 07:30 ChatGPT使@pbug5612 GoogleMicrosoft 2 Schmidt & ClarkCollen Clark
    「ChatGPT」で作成したコードの所有権は誰に--法的保護をめぐる複雑な問題
  • 「ChatGPT」に使われる言語モデル「GPT」からうまく答えを引き出すためのOpenAI公式ガイド

    対話型AIChatGPT」は人間の言葉を受けて自然な文章を返してくれますが、人間が求める答えをうまく引き出すにはちょっとしたコツが必要です。ChatGPT開発元のOpenAIは「GPTのベストプラクティス」と題し、ChatGPTに使われるモデル「GPT」からより良い結果を得るための6つの戦略をまとめて公開しました。 GPT best practices - OpenAI API https://platform.openai.com/docs/guides/gpt-best-practices OpenAIが提唱する戦略は以下の6つです。 ・明確な指示を書く ・参考テキストを提供する ・複雑なタスクをよりシンプルなサブタスクに分割する ・GPTに考える時間を与える ・外部ツールを利用する ・パフォーマンステストを実施する ◆1:明確な指示を書く 関連性の高い答えを得るには、ユーザーは文章

    「ChatGPT」に使われる言語モデル「GPT」からうまく答えを引き出すためのOpenAI公式ガイド
  • GPT-4 で Minecraft を自動プレイする Voyager を動かしてみた - Qiita

    概要 GPT-4 に全自動で Minecraft をプレイさせる論文 "Voyager: An Open-Ended Embodied Agent with Large Language Models" を紹介します。 Voyager は、継続的・段階的に複雑なタスクを学習し続けることができ、マップ開拓や新アイテム獲得の能力で既存手法に勝ると主張されています。 既存手法との違い LLM にツールや外部 API を与えて自律的に計画・行動させるアルゴリズムと言うと、ReAct, Reflexion, Auto-GPT などが特に有名です。 これらと Voyager の一番の差別化部分は、Iterative Prompting Mechanism および Skill Library と呼ばれるコンポーネントです。 Voyager はボットを操作するために Mineflayer という Java

    GPT-4 で Minecraft を自動プレイする Voyager を動かしてみた - Qiita
  • 生成AI周回遅れキャッチアップ勉強会!

    社内勉強会からの抜粋資料です。

    生成AI周回遅れキャッチアップ勉強会!