knowledge base
PulseAugur coverage of knowledge base — every cluster mentioning knowledge base across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的iRAG系统通过动态知识库增强人机协同决策支持
研究人员开发了iRAG，一种新颖的人机协同决策支持系统，它将检索增强生成（RAG）与混合决策相结合。与依赖现有知识库的传统RAG系统不同，iRAG专为知识库最初为空、并随时间通过人类决策填充的场景而设计。该系统将过去的决策存储为先例，使其能够从被动观察过渡到主动竞争，并最终实现带有弃权选项的自主操作。在评估中，iRAG表现强劲，在高达10%的知识漂移下，最终决策错误率低于10%，并在各种配置下将错误率降低了40%以上。
-
RAG通过实现外部知识检索来增强LLM
检索增强生成（RAG）是一种通过使大型语言模型（LLM）在生成响应前能够访问外部知识库来增强其能力的技朧。这种方法解决了LLM的局限性，例如知识不完善、信息过时和事实不准确等问题。RAG的工作原理是首先从指定的集合（如研究论文或内部数据）中检索相关信息，然后利用检索到的上下文来告知LLM的答案，有效地将闭卷考试变成开卷考试。该概念建立在信息检索领域数十年的工作基础上，并将其与生成式语言模型相结合。
-
qKnow 开源版 v2.4.3 增强知识库的数据摄入和导出功能
qKnow Agent Construction Platform 开源版已发布 2.4.3 版本，引入了处理非结构化数据的扩展功能。此次更新允许直接将 JSON 和 JSONL 文件导入知识库和知识图谱，从而简化了已完成外部解析或组织的数据的处理流程。此外，用户现在可以将知识库中的问答数据导出为 JSON/JSONL 格式，便于二次处理和重用。该平台还为文件解析模型和提示提供了增强的可定制性，以满足特定的业务需求并改进整体知识构建工作流程。
-
Vague2Detect 利用大型语言模型和知识库改进模糊提示检测
研究人员开发了 Vague2Detect，这是一个旨在改进开放世界物体检测中模糊提示解释的新颖系统。与 YOLO 等仅限于固定类别列表的传统模型不同，Vague2Detect 通过集成知识库和大型语言模型来增强 YOLO-World 等模型。该系统使用 Sentence-BERT 查询知识库以获取候选对象，然后使用 YOLO-World 进行验证。对于知识库未涵盖的提示，GPT-3.5 Turbo 会动态地用新概念扩展知识库。这种方法…
-
详解如何为 LLM 构建强大的知识库
本文讨论了大型语言模型（LLM）知识库的概念和构建方法。文章解释说，知识库是为方便访问和未来使用而设计的信息存储库，并强调了其在增强 LLM 能力方面的重要作用。
-
Amazon SageMaker AI 与 EKS 集成，增强 AI 工作流
Amazon SageMaker AI 为 Amazon EKS 推出了一个插件，支持在 EKS 集群上直接运行交互式 IDE 和 JupyterLab 环境。此次集成旨在通过允许 ML 团队在现有基础设施内管理其开发环境，来简化 AI 工作流。该解决方案旨在简化 EKS 上的代码编辑器和托管 JupyterLab 实例的设置和配置。
-
新的 RAG 技术通过检测域外查询来提高安全性
研究人员开发了一种轻量级方法，用于检测检索增强生成 (RAG) 系统中的域外 (OOD) 查询。该方法使用知识库嵌入上的主成分分析 (PCA) 来识别不太可能产生相关结果的查询。在包括高风险医疗和社会用例在内的各种领域的评估表明，与使用大型语言模型执行相同任务相比，这种低维检测方法更有效且更具可解释性。研究结果强调了有效的 OOD 检测对于确保 RAG 系统保持安全和专注的重要性。
-
新的LLM代理增强了问答的实体链接能力
研究人员开发了一种新的实体链接代理，旨在通过更有效地将自然语言提及与知识库条目关联起来，从而改进问答系统。该代理基于大型语言模型构建，模仿人类认知过程来识别实体提及、检索候选实体并做出链接决策。实验证明了该代理在基于工具的实体链接和整体问答任务中的鲁棒性和有效性。