Amazon Bedrock เป็นบริการที่มีการจัดการเต็มรูปแบบซึ่งทำให้โมเดลพื้นฐาน (FM) ที่มีประสิทธิภาพสูงจากสตาร์ทอัพ AI ชั้นนำและ Amazon พร้อมใช้งานผ่าน API แบบรวม คุณสามารถเลือกรุ่นรองพื้นได้หลากหลายเพื่อค้นหารุ่นที่เหมาะกับกรณีการใช้งานของคุณมากที่สุด Amazon Bedrock ยังมีชุดความสามารถที่หลากหลายเพื่อสร้างแอปพลิเคชัน AI เชิงสร้างสรรค์ที่มีการรักษาความปลอดภัย ความเป็นส่วนตัว และ AI ที่มีความรับผิดชอบ เมื่อใช้ Amazon Bedrock คุณสามารถทดลองและประเมินโมเดลพื้นฐานชั้นนำสำหรับกรณีการใช้งานของคุณ ปรับแต่งโมเดลเหล่านั้นด้วยข้อมูลของคุณแบบส่วนตัวโดยใช้เทคนิคต่างๆ เช่น การปรับแต่งอย่างละเอียดและการดึงข้อมูล Augmented Generation (RAG) และสร้างตัวแทนที่ดำเนินงานโดยใช้ระบบองค์กรของคุณ และแหล่งข้อมูล
โมเดลภาษาขนาดใหญ่ (LLM) จะแสดงอาการประสาทหลอนอย่างหลีกเลี่ยงไม่ได้ เนื่องจากความถูกต้องของข้อความที่สร้างขึ้นไม่สามารถรักษาได้ด้วยความรู้เชิงพาราเมตริกที่ห่อหุ้มไว้เพียงอย่างเดียว แม้ว่าการดึงข้อมูล Augmented Generation (RAG) เป็นส่วนเสริมที่ปฏิบัติได้จริงสำหรับ LLM แต่ก็อาศัยความเกี่ยวข้องอย่างมากของเอกสารที่ดึงมา ทำให้เกิดความกังวลว่าแบบจำลองจะทำงานอย่างไร หากการดึงข้อมูลผิดพลาด
มีการเสนอเทคนิค RAG ขั้นสูง เช่น Corrective RAG เพื่อปรับปรุงความทนทานของรุ่น ใน CRAG ตัวประเมินการดึงข้อมูลแบบน้ำหนักเบาได้รับการออกแบบมาเพื่อประเมินคุณภาพโดยรวมของเอกสารที่ดึงมาสำหรับการสืบค้น โดยส่งคืนระดับความเชื่อมั่นโดยพิจารณาจากการดำเนินการดึงข้อมูลความรู้ที่แตกต่างกันที่สามารถทริกเกอร์ได้ เนื่องจากการดึงข้อมูลจากคลังข้อมูลแบบคงที่และจำกัดสามารถส่งคืนเอกสารที่ด้อยประสิทธิภาพเท่านั้น การค้นหาเว็บขนาดใหญ่จึงถูกใช้เป็นส่วนขยายในการเพิ่มผลลัพธ์การดึงข้อมูล CRAG เป็นระบบ Plug-and-Play และสามารถใช้งานร่วมกับแนวทาง RAG ต่างๆ ได้อย่างราบรื่น
พื้นที่เก็บข้อมูลนี้มีโค้ดที่จะแนะนำคุณตลอดกระบวนการสร้างผู้ช่วยที่ใช้ CRAG แบบง่าย เราจะครอบคลุมสองสถานการณ์สำหรับขั้นตอนการดึงข้อมูล:
py312_opensearch-py_requests_and_requests-aws4auth.zip
โดยใช้ขั้นตอนต่อไปนี้ และอัปโหลดไปยังบัคเก็ต Amazon S3 เดียวกันกับในขั้นตอนที่ 3C:/Program Files/7-Zip/
cd
ลงไปpy312_opensearch-py_requests_and_requests-aws4auth.zip
cd
ลงไปpy312_opensearch-py_requests_and_requests-aws4auth.zip
ดูการมีส่วนร่วมสำหรับข้อมูลเพิ่มเติม
ห้องสมุดนี้ได้รับอนุญาตภายใต้ใบอนุญาต MIT-0 ดูไฟล์ใบอนุญาต