Adding Private Data to LLMs - Adding Private Data to LLMs Download do código-fonte

Adding Private Data to LLMs

Outro código-fonte

1.0.0

Baixar

RAG - Adicionando dados privados a LLMs

Os LLMs surpreenderam o mundo com sua capacidade de criar imagens, códigos e diálogos realistas. Sem dúvida, o ChatGPT conquistou o mundo. Milhões estão usando isso. Mas embora seja ótimo para conhecimento de uso geral, ele conhece apenas as informações nas quais foi treinado, que são dados da Internet geralmente disponíveis antes de 2021. Falta-lhe conhecimento dos seus dados privados e permanece desinformado sobre fontes de dados recentes. Assim, para melhorá-los nesse aspecto, podemos fornecer-lhes informações que recuperamos em uma etapa de pesquisa. Isso os torna mais factuais e proporciona uma melhor capacidade de fornecer informações atualizadas ao modelo, sem a necessidade de treinar novamente esses modelos massivos. Isso é exatamente o que é um sistema LLM de recuperação aumentada ou geração aumentada de recuperação (RAG). Na verdade, este repositório irá delinear com precisão a criação de um sistema RAG e elucidar as etapas de otimização envolvidas.

Índice

pano
Pilha de tecnologia
Instalação
Links úteis
Contato

pano

Pilha de tecnologia

LangChain
LhamaIndex
Azure OpenAI
Gradio

Instalação

Clone o repositório Github

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

Cd de requisitos para o diretório do projeto e certifique-se de ter o Python 3 instalado, junto com as dependências necessárias.
```
 cd Adicionando dados privados a LLMs
pip instalar -r requisitos.txt
```
Execute o aplicativo Gradio
```
 python rag.py
```

Visite http://127.0.0.1:7860 em sua máquina para testar o aplicativo. Você deverá ver algo como o seguinte:

Links úteis

Blogue	Plataforma	Linguagem
Pergunte aos seus próprios dados	Blog do Hiberus	ES
Pergunte aos seus próprios dados	Médio	PT
Pergunte às suas páginas da web	Blog do Hiberus	ES
Pergunte às suas páginas da web	Médio	PT