آخرین به روز رسانی در 2 سپتامبر 2024 توسط تیم تحریریه نویسنده(های): Towards AI Editorial Team در اصل در Towards AI منتشر شده است. صبح بخیر، علاقه مندان به هوش مصنوعی! این هفته، جامعه و من در حال پاسخگویی به سوالات تکراری در مورد RAG، دستیاران کدنویسی، ترانسفورماتورها، یادگیری ماشین و موارد دیگر هستیم. شما همچنین فرصت های همکاری سرگرم کننده و الگوهای رفتاری را پیدا خواهید کرد. از خواندن لذت ببرید! هفتگی AI چیست بسیاری از مشتریان از ما پرسیدند (به سمت هوش مصنوعی)، “اما اگر Gemini بتواند میلیون ها توکن را به عنوان ورودی پردازش کند، چرا از RAG استفاده کنم؟” بنابراین، آیا RAG مرده است؟ این چیزی است که من در تکرار این هفته از هوش مصنوعی چیست بررسی کردم. من تفاوت های بین RAG و ارسال تمام داده ها در ورودی را بررسی می کنم و توضیح می دهم که چرا معتقدیم RAG برای آینده قابل پیش بینی مرتبط باقی خواهد ماند. این پست باید به شما کمک کند تا تشخیص دهید که آیا RAG برای برنامه شما مناسب است یا خیر. متن کامل را اینجا بخوانید! — Louis-François Bouchard، مؤسس و رئیس انجمن Towards AI این موضوع به لطف GrowthSchool برای شما ارائه شده است: 🦾 استاد هوش مصنوعی، ChatGPT و ۲۰+ ابزار هوش مصنوعی تنها در ۳ ساعت برای دوره‌های هوش مصنوعی sh*tty پولی پرداخت نکنید. شما می توانید آن را به صورت رایگان یاد بگیرید! این کارگاه باورنکردنی 3 ساعته در زمینه هوش مصنوعی و ChatGPT (به ارزش 399 دلار) باعث می‌شود در بیش از 25 ابزار هوش مصنوعی، هک‌ها و تکنیک‌های تشویقی برای صرفه‌جویی در 16 ساعت در هفته و انجام کارهای بیشتر با وقت خود استاد شوید. اکنون ثبت نام کنید (رایگان برای 100 نفر اول) 🎁 این مستر کلاس به شما یاد می دهد که چگونه: تجزیه و تحلیل داده های مبتنی بر هوش مصنوعی را انجام دهید تا تصمیمات تجاری سریع بگیرید. در عرض چند دقیقه مشکلات پیچیده را حل کنید، 10 برابر سریعتر تحقیق کنید و ساده تر و آسان تر کنید، ای کاش زودتر از این مستر کلاس رایگان هوش مصنوعی مطلع شوید 😉 ثبت نام کنید و صندلی خود را ذخیره کنید! (فقط برای 24 ساعت آینده معتبر است!) بخش جامعه هوش مصنوعی را یاد بگیرید! پست انجمن ویژه از Discord Aman_91095 روی دستیار شغلی GenAI کار می‌کند، که با استفاده از LangChain و Streamlit ساخته شده است، پروژه‌ای که برای آزمایش ابزارهای کاریابی مبتنی بر هوش مصنوعی طراحی شده است. این به فرآیند جستجوی شغل کمک می کند، به شما کمک می کند لیست های شغلی متناسب با مشخصات خود را پیدا کنید، نامه های پوششی سفارشی برای برنامه های کاربردی خاص ایجاد می کند و اطلاعات مفیدی در مورد کارفرمایان بالقوه ارائه می دهد. اینجا را بررسی کنید و از یکی از اعضای انجمن حمایت کنید. اگر بازخورد یا سوالی دارید، آنها را در تاپیک به اشتراک بگذارید! نظرسنجی هفته هوش مصنوعی! نتایج یک اتکای بسیار واضح به ChatGPT را نشان می دهد. آیا مدل های همه منظوره برای بیشتر موارد استفاده کافی هستند؟ آیا مدل های تخصصی فقط برای کاربردهای اختصاصی مورد نیاز است؟ بیایید در این تاپیک بحث کنیم! فرصت های همکاری انجمن Learn AI Together Discord مملو از فرصت های همکاری است. اگر مشتاق هستید در هوش مصنوعی کاربردی شیرجه بزنید، یک شریک تحصیلی می خواهید، یا حتی می خواهید یک شریک برای پروژه اشتیاق خود پیدا کنید، به کانال همکاری بپیوندید! مراقب این بخش نیز باشید – ما هر هفته فرصت های جالبی را به اشتراک می گذاریم! 1. Ananya.exe به دنبال شریکی برای همکاری در یک پروژه مبتنی بر مالی است (که شامل دانش عوامل هوش مصنوعی، خطوط لوله RAG، بازیابی اطلاعات، وظایف NLP، توسعه و استقرار سرتاسری و غیره است). اگر مالی بلد هستید و می توانید با مشخصات فنی بالا کار کنید، در تاپیک تماس بگیرید! 2. Gere030199 به دنبال یکی از بنیانگذاران بازاریابی برای پروژه ربات Discord خود است. آنها به فردی با تجربه در تولید محتوای جذاب نیاز دارند. اگر جالب به نظر می رسد، در تاپیک وصل شوید! میم هفته! Meme به اشتراک گذاشته شده توسط creitinggameplays TAI مقاله هفته انتخاب شده ارزیابی LLM خود را ساده کنید: راهنمای گام به گام معیارهای RAG با Streamlit توسط Maxime Jabarian این قطعه یک برنامه Streamlit جدید را ارائه می دهد که برای ارزیابی RAG در نظر گرفته شده است. این یک پلت فرم با کاربری آسان ارائه می دهد که عملکرد چت بات را با استفاده از معیارها و نمودارهای واضح نشان می دهد. با ادغام مجموعه ای جامع از معیارهای ارزیابی فراتر از دقت ساده، این برنامه تضمین می کند که کاربران به راحتی می توانند نقاط قوت و ضعف مدل های LLM خود را به شیوه ای واضح و جذاب درک و تفسیر کنند. مقالاتی که حتما باید بخوانید 1. چگونه از SVM در تجزیه و تحلیل سیستم های قدرت استفاده کنیم؟ توسط تیم بهینه‌سازی یادگیری ماشین اخیراً به یک کلمه رایج تبدیل شده است، زیرا استخدام‌کنندگان اغلب موقعیت‌های “دانشمند داده” را زمانی که واقعاً به دنبال متخصص در بهینه‌سازی هستند، تبلیغ می‌کنند. این پست تاکید می کند که بسیاری از روش های یادگیری ماشین اساساً مبتنی بر بهینه سازی هستند. به عبارت دیگر، بهینه‌سازی زمینه را برای توسعه یادگیری ماشینی ایجاد کرد – بسیار شبیه مرغی که تخم‌گذاری می‌کند! 2. توجه تنها چیزی است که نیاز دارید: نحوه شروع معماری ترانسفورماتور در NLP توسط Surya Maddula این مقاله به بررسی تحول معماری ترانسفورماتور در NLP می‌پردازد و با مقاله «توجه تنها چیزی است که نیاز دارید» شروع می‌شود. همچنین مشکل جاسازی کلمات متنی و نحوه پرداختن به معماری ترانسفورماتور با معرفی مدل رمزگذار-رمزگشا برای ترجمه را بررسی می کند. همچنین چند نمونه تنظیم دقیق و مدل های زبان مبتنی بر ترانسفورماتور را ارائه می دهد. 3. جستجو در پایگاه داده SQL با استفاده از عوامل LLM – آیا این ایده خوبی است؟ توسط Sachin Khandewal این وبلاگ روش های مختلف جستجو در پایگاه های داده SQL با استفاده از Groq برای دسترسی به LLM ها را توضیح می دهد. همچنین توضیح می دهد که چگونه از LLM Agents برای ساخت یک SQL Agent با استفاده از یک چارچوب پیشرفته DSPy استفاده کنید و محدودیت های آن را برجسته می کند. اگر علاقه مند به انتشار با Towards AI هستید، دستورالعمل های ما را بررسی کرده و ثبت نام کنید. اگر کار شما با خط مشی ها و استانداردهای ویرایشی ما مطابقت داشته باشد، ما آن را در شبکه خود منتشر خواهیم کرد. به هزاران رهبر داده در خبرنامه هوش مصنوعی بپیوندید. به بیش از 80000 مشترک بپیوندید و از آخرین پیشرفت‌های هوش مصنوعی مطلع شوید. از تحقیق گرفته تا پروژه ها و ایده ها. اگر در حال ساختن یک استارتاپ هوش مصنوعی، یک محصول مرتبط با هوش مصنوعی یا یک سرویس هستید، از شما دعوت می کنیم که یک اسپانسر شوید. منتشر شده از طریق Towards AI
منبع: https://towardsai.net/p/artificial-intelligence/38-back-to-basics-rag-transformers-ml-optimization-and-llm-evaluation
#38 بازگشت به مبانی – RAG، Transformers، ML Optimization و LLM Evaluation.
