Adding Private Data to LLMs - Adding Private Data to LLMs

Adding Private Data to LLMs

Otro código fuente

1.0.0

Descargar

RAG: agregar datos privados a los LLM

Los LLM han sorprendido al mundo con su capacidad para crear imágenes, códigos y diálogos realistas. Sin duda, ChatGPT ha conquistado el mundo. Millones lo están usando. Pero si bien es excelente para el conocimiento de propósito general, solo conoce la información con la que fue entrenado, que son datos de Internet disponibles generalmente antes de 2021. Carece de conocimiento de sus datos privados y permanece desinformado sobre las fuentes de datos recientes. Así, para mejorarlos en ese sentido, podemos proporcionarles información que recuperamos de un paso de búsqueda. Esto los hace más objetivos y les da una mejor capacidad para proporcionar al modelo información actualizada, sin la necesidad de volver a entrenar estos modelos masivos. Esto es precisamente lo que es un sistema LLM de recuperación aumentada o generación aumentada de recuperación (RAG). De hecho, este repositorio describirá con precisión la creación de un sistema RAG y aclarará los pasos de optimización involucrados.

Tabla de contenido

TRAPO
Pila de tecnología
Instalación
Enlaces útiles
Contacto

TRAPO

Pila de tecnología

LangChain
LlamaIndex
Azure abierto AI
Gradio

Instalación

Clonar el repositorio de Github

 clon de git https://github.com/zekaouinoureddine/Adding-Private-Data-to-LLMs.git

Requisitos CD al directorio del proyecto y asegúrese de tener Python 3 instalado, junto con las dependencias necesarias.
```
 cd Agregar-datos-privados-a-LLM
instalación de pip -r requisitos.txt
```
Ejecute la aplicación Gradio
```
 trapo de Python.py
```

Visite http://127.0.0.1:7860 en su máquina para probar la aplicación. Deberías ver algo como lo siguiente:

Enlaces útiles

Blog	Plataforma	Idioma
Pregunte a sus propios datos	Blog Hiberus	ES
Pregunte a sus propios datos	Medio	ES
Pregunte a sus páginas web	Blog Hiberus	ES
Pregunte a sus páginas web	Medio	ES