(英文可关闭)吴恩达《知识图谱用于RAG|Knowledge Graphs for RAG》中英字幕
蜜蜂大王:
感觉不但是Graph,其实可以使用任何类型的数据库来增强prompt,看来核心不是用什么类型数据库,而是如何通过LLM把额外信息(假设是整个维基百科,或者整个github)转化成指定的数据格式,再通过LLM来操作该数据库获取其认为有用的信息,再拼接到prompt中,可以是通过一种数据库来实现,也可以同时用多种数据来实现,LLM的上下文长度越来越大,速度越来越快,智力越来越高,成本越来越低,那么LLM的应用的发展上限很高,机会很多[脱单doge]听听你的呼吸:
Neo4j硬广。一般垂直领域的kg不会有很好的质量,所以可用性存疑。无限制的进行prompt工程貌似也不能全面的解决用户提出的奇怪问题。
【回复】复杂问题还在于LLM本身的推理能力,目前来看,即便gpt-4其实也只能解决小片段问题,仍然需要人类自己拆解问题、描述问题,并且反馈迭代。
还没用过gpt-4-32k,长文本+RAG+agent可能好一点,不过仍然少不了人类不断干预。圣西罗的草皮:
KG这块目前确实算是冷门,可以当成是一个备用武器。
【回复】其实知识图谱早两年还挺火的……那时候我老师漆桂林还有点风头。
【回复】回复 @withyouz :不算吧,在结构上应该都算prompt,无非是寻找额外知识的方式不一样。数学上是不是等价,我就不知道了。
【回复】回复 @GPT中英字幕课程资源 : 我很好奇是否可以认为知识图谱在某种意义上等效于一个被引入的fully connected层,只不过对与知识图谱它的参数是人为精心构建的,这个FC层相当于为模型引入了一种结构化分解问题的先验知识,的当然传统的RAG的那种向量数据库更是linear 的FCMrChenFr:
json文件地址[脱单doge]:https://github.com/ArkadiyShuvaev/Knowledge-Graphs-for-RAG---Neo4j/tree/master/lesson%204%20-%20form10k夜猫LZMS:
太好了,英文字幕终于可以关闭了[笑哭]
【回复】回复 @冷秋月 :看官网就好了
【回复】回复 @GPT中英字幕课程资源 : 现在变成中文字幕挡住内容Atlantis_qq:
CYPHER_GENERATION_TEMPALTE定义了两个参数,schema,question,chain的时候也是这么定义了两个参数,但是为什么在推理的时候没有传递这个参数也不会报错,且不太懂这个参数的意义是什么只想暴富的wtt_:
那个json文件有大佬下载好的吗 求分享!!![跪了]六里大可:
请问genai的插件是只能用于企业版么?在社区版5.15.0版本填充向量索引时识别不到genai.vector.encode语句梅川秋库鸭:
知识图谱的rag用法现在都是text2cql和graph rag那种嵌入吗?感觉前者鲁棒性低,拆解问题的时候难以达到真正的意图&多跳也难解决;后者,和向量数据库差别大吗?构造成本上可是天差地别GPT中英字幕课程资源:
😂老有人说字幕挡住代码,但官网的视频设计是左边代码,右边视频。所以看的时候,打开官网运行代码就好了,既可以运行代码,也可以下载代码。