대규모 언어 모델에서의 검색을 위한 유사성 및 다양성 재고: VRSD 알고리즘 소개 및 MMR 알고리즘과의 비교 분석
대규모 언어 모델에서 효과적인 검색을 위해서는 유사성과 다양성을 동시에 충족하는 새로운 검색 방법론이 필요하며, 본 논문에서 제시하는 VRSD 알고리즘은 기존 MMR 알고리즘의 한계점을 극복하고 검색 성능을 향상시키는 효과적인 대안입니다.
Improving Retrieval in Large Language Models by Rethinking Similarity and Diversity with Sum Vectors
This paper proposes a novel approach to vector retrieval in large language models (LLMs) that leverages the concept of sum vectors to simultaneously optimize for similarity and diversity, addressing the limitations of traditional methods like Maximal Marginal Relevance (MMR).
TREC 2024 RAGトラックにおけるAutoNuggetizerフレームワークを用いたナゲット評価の初期結果
LLMを用いた自動ナゲット評価フレームワーク (AutoNuggetizer) は、TREC 2024 RAGトラックの初期結果に基づくと、人間による評価と強い相関を示しており、RAGシステムの評価の自動化に有効である可能性を示唆している。
Automatic Nugget Evaluation for Retrieval-Augmented Generation: Initial Results from the TREC 2024 RAG Track
This paper presents a novel, fully automated evaluation framework for Retrieval-Augmented Generation (RAG) systems, called AutoNuggetizer, which leverages large language models (LLMs) to automatically create and assign "nuggets" of information to assess the quality of system-generated answers. Initial results from the TREC 2024 RAG Track demonstrate a strong correlation between this automated approach and manual evaluation by human assessors, suggesting its potential as a reliable and efficient alternative for evaluating and iterating on RAG systems.
MARM: Enhancing Recommendation Systems by Caching Computation Results for Multi-Layer Attention
MARM leverages caching to overcome computational limitations in recommendation systems, enabling multi-layer attention modeling of user history for improved accuracy without significant performance degradation.
利用多個大型語言模型進行資訊檢索：以生物多樣性出版物中深度學習方法為例
此研究利用多個大型語言模型和檢索增強生成技術，從生物多樣性出版物中自動提取和處理深度學習方法資訊，以提高研究的可重複性和知識轉移。
생물다양성 연구에서의 정보 검색 향상을 위한 다중 대규모 언어 모델 활용 및 심층 학습 방법론 사례 연구
본 연구는 생물다양성 연구 논문에서 심층 학습 방법론 정보를 자동으로 추출하고 처리하기 위해 다중 대규모 언어 모델(LLM)과 검색 증강 생성(RAG) 접근 방식을 활용하는 방법을 제시하고, 이를 통해 연구 결과의 재현성과 지식 전달을 향상시키는 것을 목표로 합니다.
生物多様性論文における深層学習手法に関する情報検索：複数のLLMを活用した事例研究
複数のオープンソース大規模言語モデル（LLM）とRetrieval-Augmented Generation（RAG）アプローチを組み合わせることで、生物多様性に関する科学論文から深層学習（DL）手法に関する情報を自動的に抽出、処理、分析できる。
Automated Extraction of Deep Learning Methodological Details from Biodiversity Publications Using Multiple Large Language Models
This study introduces a novel approach using multiple large language models (LLMs) and Retrieval-Augmented Generation (RAG) to automatically extract and categorize deep learning (DL) methodological information from biodiversity publications, addressing the challenge of limited transparency and reproducibility in scientific literature.
基於去噪二分時間圖的推薦系統 DeBaTeR
本研究提出一個名為 DeBaTeR 的新型推薦系統框架，利用時間資訊對二分時間圖進行去噪，從而提升推薦系統的效能和穩健性。
© 2024 by Linnk AI