RT @losnuevetoros: AIロボット駆動科学シンポジウム www.ai-robot-science-symposium2023.jp から約半年― AIロボット駆動科学研究会を始めます！ ai-robot-science.connpass.com/event/305464/… twitter.com/i/web/status/1…
posted at 13:40:58
RT @BraceSproul: 🥇 Cohere Rerank Reranking documents in your RAG pipeline is a small addition which can have compounding effects on results. Often overlooked, we decided to add the @cohere rerank API to @LangChainAI JS/TS🦜🔗 `cohere` package! Checkout the docs, and try it out yourself today!… twitter.com/i/web/status/1… pic.twitter.com/u0qQesapHp
posted at 13:38:01
RT @MaywaDenki: ご安心ください。明和電機30周年ライブコンサートに向けて、明和電機タオル、発注済です。 みんなも雑巾になるまで、使い倒そう！！ www.maywadenki.com/news/geppou202… twitter.com/NIKUNAO/status… pic.twitter.com/m9VYi2aWAS
posted at 13:37:45
RT @aoshun7: 今日の論文。サーベイ論文。 基盤モデル・大規模言語モデルの出現で運転シーンの理解・道路状況の理解の手法も大きく変化していて、一つ一つの物体を認識・判別するアプローチではなく画像全体からマルチモーダルかつマルチタスク的に情景を理解する手法に注目が集まっています。 サーベイ論文中では… twitter.com/i/web/status/1… pic.twitter.com/9ALFRjylqW
posted at 13:37:34
RT @webbigdata: 自分と同じ文体でAIが文章を書いてくれたらなぁ、と考える人にとって大変興味深く示唆に富むお話 自分自身が過去にSlackに投稿したチャットログを使ってGPT-3.5 ターボ モデルを学習させた結果、やや納得のいかない応答をするチャットボットが出来て自分の過去の投稿を反省したとの事 pic.twitter.com/RaJSwYxtuD
posted at 13:29:11
RT @llama_index: Define a Research Workflow for a RAG-powered agent 📖🤖 This is a cool notebook by @quantoceanli showing how you can build an agentic workflow to do scientific research from ArXiv, Wikipedia, textbooks, and more. Have it first fetch relevant abstracts from ArXiv, propose an… twitter.com/i/web/status/1… pic.twitter.com/1lhIarJufT
posted at 12:55:37
RT @kanhatakeyama: 諸事情により、、本日、オンライン発表となりました。すみません。 新しく作ったスライド(案)です。 諸々調べた結果、良質なテキストが枯渇してきたこともあり、openaiやmetaなどのトップ集団は、AIに自己学習させる方向にかじを切りつつあるのではないか、という考えに至りつつあります。 twitter.com/losnuevetoros/… pic.twitter.com/3577LrlXyx
posted at 12:55:36
RT @omarsar0: Towards Generalist Computer Agents with Self-Improvement Introduces OS-Copilot, a framework to build generalist computer agents that interface with key elements of an operating system like Linux or MacOS. It also proposes a self-improving embodied agent for automating general… twitter.com/i/web/status/1… pic.twitter.com/p5zTLQBsNr
posted at 09:18:07
RT @_philschmid: New Embedding Models for Code released by @awscloud! Embedding Models are at the heart of every RAG application. Without good embeddings, retrieving relevant context to answer your user prompts is impossible. 🔍 Super exciting to see Amazon release CodeSage, a family of open… twitter.com/i/web/status/1… pic.twitter.com/Apiij7cDe7
posted at 09:00:37
RT @linglanglong: 既に指摘されてますが、言語学的には「異分析」の例ですね。 面白いところでは、「積ん読」が英語圏にも "Tsundoku" として知られた結果、Steamのゲームを溜めることを "Steamdoku" と呼ぶ人が出てきた例があります。 この場合、切れ目こそ合っていますが、どこが「積む」を指すかを誤解しています。 twitter.com/yukimusiii/sta…
posted at 08:36:34
RT @segavvy: Vertex AI Searchの紹介ですが、検索エンジン屋さんの思いも代弁してくれている記事。 RAGブームで検索エンジンが注目されるのはうれしいけど、自作して試行錯誤に時間溶かすよりも、マネージドな実績あるものを使って本業に集中しましゃうよ！って検索エンジン屋さんはみ〜んな思っているはず。 twitter.com/kazunori_279/s…
posted at 08:34:37
RT @cwolferesearch: Retrieval augmented generation (RAG) was proposed in 2020, but the idea has since been explored and expanded by a variety of papers. Here are four notable publications that study advanced concepts with RAG… (0) Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks:… twitter.com/i/web/status/1… pic.twitter.com/XB4a412sem
posted at 08:33:45
RT @virattt: Small open-source LLMs for Query Expansion We know that large, powerful LLMs like GPT-4 can beat traditional baselines like BM25 at query expansion + RAG. But what about smaller open-source LLMs? A team from Google found that smaller variants of T5 and UL2 outperform BM25 on… twitter.com/i/web/status/1… pic.twitter.com/BidJEHTl47
posted at 08:31:36
RT @mn_pc_digital: 「NVIDIA Chat with RTX」公開 - 手元のRTX 30/40 GPUでローカル動作するNVIDIAお手製AIチャットボット 「自分のグラボと会話できる」と紹介している海外メディアもありました news.mynavi.jp/article/202402…
posted at 08:22:40
RT @Dirg_rocketdyne: うちの家は裕福ではないとは思っていたが、ニュートンが欲しいと言ったら買い与えられ、PCが欲しいと言ったら買い与えられ、はるか彼方にある東京の国立博物館に行きたいと行ったら、夏休みの家族旅行で連れて行かれるぐらいには教育に金をかけてくれたのは恵まれてたんだと大きくなって気づく。 twitter.com/dirg_rocketdyn…
posted at 08:21:06
RT @aoshun7: 読めば思わず動かしたくなるLLMの紹介記事。BLOOMとFlexGenをかなり丁寧に解説してくれてます 実践！大規模言語モデル / 1000億パラメータ越えモデルを動かすには？ zenn.dev/turing_motors/…
posted at 07:50:24
RT @llama_index: DanswerAI is an out-of-the-box ChatGPT over your enterprise knowledge that connects to common workplace tools (GDrive, Slack, Jira) to improve the efficiency of sales, IT, engineering, customer support teams. Uses @llama_index under the hood - check them out and congrats on the… twitter.com/i/web/status/1… pic.twitter.com/As2sZhsPA9 twitter.com/ycombinator/st…
posted at 07:50:07
RT @_reachsumit: G-Retriever: Retrieval-Augmented Generation for Textual Graph Understanding and Question Answering Introduces a graph QA framework combining LLMs and GNNs with a retrieval method to enable conversing with textual graphs. 📝arxiv.org/abs/2402.07630 👨🏽💻github.com/XiaoxinHe/G-Re… pic.twitter.com/R2dCXHcMkG
posted at 07:49:12
RT @A7_data: RAGの性能を改善するための8つの戦略がまとめられていた 前処理、メタデータによるフィルタリング、チャンキング、埋め込みモデルの選択、クエリ変換、リランキング,, RAG初心者の僕にはまとまっててありがたかった。次の勉強のステップが見えやすく、とても良いと感じた。 fintan.jp/page/10301/
posted at 07:48:28
RT @kazunori_279: 後編も出ました。Google検索のRankBrainによる数十のシグナルを組み合わせたリランキング、ドキュメント構造と意味情報を損なわないチャンキング、重要な部分を抜き出す抽出機能、ナレッジグラフなど。RAGで使える機能てんこ盛り。書き切ったー。cloud.google.com/blog/products/… twitter.com/kazunori_279/s…
posted at 07:47:34
RT @bindureddy: LLM building involves several steps, and this diagram captures It quite well. The survey paper is a great resource and is a very good starting point if you want to learn more about LLMs Link to survey paper - arxiv.org/pdf/2402.06196… pic.twitter.com/XtDElJ5Myw
posted at 00:15:43