RAG using Llama3 Langchain and ChromaDB
1.0.0
RAG باستخدام Llama3 وLangchain وChromaDB
يستخدم هذا المشروع Llama3 Langchain وChromaDB لإنشاء نظام الجيل المعزز للاسترجاع (RAG). يمكّنك هذا النظام من طرح أسئلة حول مستنداتك، حتى لو لم تكن المعلومات مدرجة في بيانات التدريب الخاصة بنموذج اللغة الكبير (LLM). يعمل الجيل المعزز للاسترجاع عن طريق تنفيذ خطوة استرجاع أولاً عند عرض سؤال. تقوم هذه الخطوة بجلب المستندات ذات الصلة من قاعدة بيانات متجهة خاصة، حيث تم فهرسة المستندات.
تم ضبط نموذج Llama3 المُدرب مسبقًا بأكثر من 15 تريليون رمز ويضم من 8 إلى 70 مليار معلمة، مما يجعله واحدًا من أقوى النماذج مفتوحة المصدر المتاحة. إنه يقدم تطورات كبيرة مقارنة بنموذج Llama2 السابق.
نجح هذا المشروع في تنفيذ حل الجيل المعزز للاسترجاع (RAG) من خلال الاستفادة من Langchain وChromaDB وLlama3 بصفتهم ماجستير إدارة الأعمال. لتقييم أداء النظام، استخدمنا قانون الاتحاد الأوروبي للذكاء الاصطناعي اعتبارًا من عام 2023. وأظهرت النتائج أن نموذج RAG يقدم إجابات دقيقة على الأسئلة المطروحة حول القانون.
العمل المستقبلي ⚡
ولمواصلة تعزيز الحل، سنركز على تحسين تنفيذ RAG. وسيتضمن ذلك تحسين تضمينات المستندات واستكشاف استخدام بنيات RAG الأكثر تعقيدًا.
??META LLAMA3 GENAI Real World UseCases أدلة التنفيذ من البداية إلى النهاية⚡
ضبط Llama 3 بكفاءة باستخدام PyTorch FSDP وQ-Lora: دليل التنفيذ
انشر Llama 3 على Amazon SageMaker: دليل التنفيذ
RAG باستخدام Llama3 وLangchain وChromaDB: دليل التنفيذ 1
مطالبة اللاما 3 مثل المحترفين: دليل التنفيذ
اختبار Llama3 مع بعض أسئلة الرياضيات: دليل التنفيذ
Llama3 يرجى كتابة الكود لي: دليل التنفيذ
تشغيل LLAMA-3 70B LLM مع نقاط نهاية NVIDIA على واجهة مستخدم Streamlit المذهلة: دليل التنفيذ
Llama 3 ORPO Fine Tuning: دليل التنفيذ
Meta's LLaMA3-Quantization: دليل التنفيذ
Finetune Llama3 باستخدام QLoRA: دليل التنفيذ
Llama3 Qlora الاستدلال: دليل التنفيذ
Beam_Llama3-8B-finetune_task: دليل التنفيذ
ضبط Llama-3 على مجموعة البيانات المخصصة باستخدام Unsloth: دليل التنفيذ
RAG باستخدام Llama3 وOllama وChromaDB: دليل التنفيذ
حالات استخدام Llama3: دليل التنفيذ
RAG باستخدام Ro-LLM وLangchain وChromaDB: دليل التنفيذ
