일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
Tags
- 데이터 전처리
- beautifulsoup
- DecisionTree
- recall
- CASE WHEN
- 백엔드
- NULLIF
- 빠르게 실패하기
- layer normalization
- 데이터 프로젝트
- nvl2
- ifnull
- 감정은 습관이다
- Normalization
- five lines challenge
- 강화학습
- 평가 지표
- sorted
- NVL
- 결정트리
- 데이터 분석
- 정밀도
- 웹서비스 기획
- LAG
- Batch Normalization
- 지도학습
- 재현율
- 오차 행렬
- 비지도학습
- SQL
Archives
- Today
- Total
목록2024/11/10 (1)
Day to_day
![](http://i1.daumcdn.net/thumb/C150x150.fwebp.q85/?fname=https://blog.kakaocdn.net/dn/3nvZs/btsKCZhXjzl/n0bDiUNlPJFi2Z2geGGhT1/img.png)
들어가며RAG를 사용해야 하는 이유RAG의 패러다임 (RAG 변천사)Naive RAG의 구조langchain과 llamaIndex를 활용한 chromaDB로 Naive RAG 구현하기 What is RAG(Retrieval-Augmented Generation)?전통적인 LLM들은 특정 시점의 데이터로만 훈련되어 훈련 이후의 정보는 반영하지 못한다. 특히 최신 정보를 답변하지 못하거나 hallucination 문제로 인해 구글, OpenAI, Facebook 등 여러 연구 기관과 기업들이 검색 증강 생성(Retrieval-Augmented Generation, RAG) 구조를 도입하게 되었다. 이에 따라 다른 여러 기업에서도 특히 환각 현상을 해결하기 위해 RAG에 대한 주목이 커지기 시작했다.LLM만 ..
카테고리 없음
2024. 11. 10. 17:21