Artykuły dla tych, którzy
wdrażają stack
Materiały o React, Node.js, TypeScript i AI. Przetłumaczony tekst jest pokazany, gdy istnieje. Jeśli nie, widać tekst angielski i dopisek o tym.
Tag: Evaluation
Kształt ontologii a rozmiar modelu: ile kosztuje projekt grafu dla agenta sztucznej inteligencji
Jak trzy bezstratne formy jednego grafu wiedzy ubezpieczeniowej wpłynęły na dokładność, liczba wywołań narzędzi, liczba tokenów oraz koszty w małych i dużych modelach w Azure Cosmos DB.
30 min czytaniaPięćdziesiąt lat badań nad wyszukiwaniem ukrytych w Twoim procesie RAG
Podział tekstu na fragmenty, wyszukiwanie hybrydowe, HyDE, ponowna klasyfikacja oraz oceny – wszystko to ma dziesięciolecia starszych odpowiedników w dziedzinie wyszukiwania informacji. Przegląd badań oraz ich ograniczenia.
17 min czytaniaTo, co odkrywa agent do porównywania modeli: zmiany stylu przyćmiewają drobne modyfikacje.
Agent do różnicowania modeli przeprowadził audyt drobnej optymalizacji LoRA w dziedzinie finansów: 82% prób wykryło zmianę długości i struktury, podczas gdy zamierzona zmiana w sposobie rozumowania pozostała niewidoczna.
15 min czytaniaAudyt procesu wyszukiwania w RAG pod kątem przestarzałych fragmentów danych, odchyleń oraz zanieczyszczonego kontekstu.
Audyt w Pythonie dla wyszukiwania w RAG: złote zapytania, bramy powiązania kosinowego, sprawdzanie odchyłek Kolmogorowa-Smirnowa oraz efektywność kontekstu, plus jak czytać raport.
12 min czytaniaDebugowanie systemu pobierania danych RAG: Recall@K, BM25, hybrydowa fuzja oraz ponowna sortowanie
Mały eksperyment z pipeline’em RAG, w którym właściwy fragment został umieszczony na czwartym miejscu, pokazujący, jak dzielenie na fragmenty, BM25, fuzja rankingu oraz ponowne rankowanie wpływają na Recall@3 i MRR.
11 min czytaniaRAG-Anything w 65 książkach o winie: sytuacje, w których odzyskiwanie informacji z grafu odnosi sukces, oraz te, w których ponosi porażkę.
Praktyczne sprawdzenie grafu wiedzy RAG-Anything na podstawie 65 plików PDF o winie: wybór parsera, koszty, odpowiedzi oparte na grafie w porównaniu z odpowiedziami wektorowymi oraz problem z winem musującym.
12 min czytaniaOd prototypu do RAG w produkcji: wyszukiwanie hybrydowe, agenci oraz ocena
Architektura referencyjna dla RAG w produkcji w .NET: dzielenie na fragmenty, wyszukiwanie hybrydowe i grafowe, ponowne sortowanie, planowanie zapytań, wyjścia typowane oraz ciągła ocena.
8 min czytaniaDlaczego agenci AI w produkcji potrzebują czegoś więcej niż tylko dobrego promptu.
Agence sztucznej inteligencji do produkcji potrzebują czegoś więcej niż tylko dobrego promptu: kontekstu, narzędzi, pamięci, mechanizmów radzenia sobie z błędami, możliwości obserwacji, testowania oraz autonomii dostosowanej do rzeczywistego ryzyka.
7 min czytaniaMapa pól RAG: od podstawowych zasad do błędów w produkcji
Dwa pipeline’y, trzy etapy oraz lista nazwanych błędów: jak działa generacja wzbogacona o dane, gdzie się psuje oraz jakie rozwiązania radzą sobie z każdym problemem.
7 min czytania
O tych artykułach
Wycena w 24 h
Potrzebujesz tego stacka w warstwie operatorskiej? Wyślij brief — wycena w 24 h.