Розмір відео: 1280 X 720853 X 480640 X 360
Показувати елементи керування програвачем
Автоматичне відтворення
Автоповтор
后续可以推出一下关于数据处理建图或者graphrag建图的一些策略和方式的讲解么
应该不会了,graph理论在我的领域之外了
用LLAMA3 70B 试过了,很遗憾,效果非常差,远不如直接向量RAG,难点就在很难生成准确性高的知识图谱。其实langchain也是有LLM生成知识图谱模块的,但也是同样的问题,我个人觉得可能得针对特定领域的文本进行知识图谱信息提取的指令微调,来提高模型提取实体和抽象关系的能力,当然这种探索性研究的工作量就很大了。
对,这一块的成本其实非常大。做得好的话和google做的东西就一样了。所以并不好做
llamaindex 也有類似的 property graph, 之前也測過搭 local LLM gemma-2-9B, RAG 效果好壞不敢說, 速度是真的慢很多
后续可以推出一下关于数据处理建图或者graphrag建图的一些策略和方式的讲解么
应该不会了,graph理论在我的领域之外了
用LLAMA3 70B 试过了,很遗憾,效果非常差,远不如直接向量RAG,难点就在很难生成准确性高的知识图谱。其实langchain也是有LLM生成知识图谱模块的,但也是同样的问题,我个人觉得可能得针对特定领域的文本进行知识图谱信息提取的指令微调,来提高模型提取实体和抽象关系的能力,当然这种探索性研究的工作量就很大了。
对,这一块的成本其实非常大。做得好的话和google做的东西就一样了。所以并不好做
llamaindex 也有類似的 property graph, 之前也測過搭 local LLM gemma-2-9B, RAG 效果好壞不敢說, 速度是真的慢很多