【ChatGPT】とベクトルデータベースによる企業内データの活用(いわゆるRAG構成) - Qiita

本記事は日本オラクルが運営する下記Meetupで発表予定の内容になります。発表までに今後、内容は予告なく変更される可能性があることをあらかじめご了承ください。下記セッションでは、本記事の内容以外にデモンストレーションも実施する予定です。 ※セミナー実施済の動画に関しては以下をご参照ください。 はじめに 2022年暮れ、ChatGPTの登場以降、あらゆる企業がDXの在り方を問われはじめ、大規模言語モデルの仕組みをどのように業務に取り入れるかを検討されていると思います。 その検討の一つとして、「GPT(LLM)が学習していない企業内のデータや最新のデータも有効活用すべき」 という点は非常に大きな論点なのではないでしょうか。 ご存じの通り、LLMとはインターネット上に存在するドキュメントデータをクローリングにより大量に収集し、それを学習データとして機械学習にかけたモデルです。 従って、至極当たり

[HHR]

RAG 教科書的なことはじめ

[akatakun]

ファインチューニング: LLMが知らない知識を追加で学習させ、LLM自体を賢くする, ベクトルストアの併用(RAG構成): LLMが知らない知識をベクトルストアに貯め、合せ技でなんとかする

[ozomatli]

RAGとその周辺の知識が手っ取り早く把握できる。助かった。

[sh2]

説明が丁寧