#retrieval-augmented generation

'Пошаговое руководство по созданию агентного RAG в виде дерева решений: маршрутизация запросов, поиск контекста, генерация ответов и их самопроверка с итеративным уточнением.'

'Узнайте, в чем ключевые отличия Native RAG и Agentic RAG и почему агентная архитектура повышает качество принятия решений в бизнесе за счет автономной оркестрации и многодокументного анализа.'

'ReaGAN переосмысливает узлы графа как автономных агентов, использующих замороженную LLM для планирования и глобального извлечения информации, достигая конкурентных результатов без обучения.'

EraRAG представляет масштабируемую систему поиска, оптимизированную для динамично растущих данных, выполняя эффективные локализованные обновления на многоуровневом графе, что значительно улучшает производительность и точность поиска.

Руководство по созданию модульной и самокорректирующейся системы QA с DSPy и Google Gemini 1.5, включая извлечение контекста и оптимизацию подсказок.

Исследователи Baidu представили многоагентную AI-парадигму поиска, которая разбивает сложные запросы на подзадачи и управляет ими с помощью специализированных агентов для более умного и адаптивного извлечения информации.

Исследователи из ETH и Стэнфорда представили MIRIAD — набор данных с 5,8 млн пар медицинских вопросов и ответов, улучшая точность и обнаружение галлюцинаций в медицинском ИИ.

Команда Alibaba Qwen выпустила серию Qwen3-Embedding и Qwen3-Reranker — открытые многоязычные модели embedding и ранжирования, превосходящие существующие решения.

Mistral представил Agents API — универсальный фреймворк, позволяющий разработчикам создавать AI-агентов для выполнения кода, генерации изображений, веб-поиска и совместной работы над задачами.

Исследователи Salesforce представили UAEval4RAG — новый бенчмарк для оценки способности RAG-систем отвергать неотвечаемые запросы разных типов, что повышает надежность ответов ИИ.

UniversalRAG представляет динамическую систему маршрутизации, эффективно обрабатывающую мультимодальные запросы, выбирая наиболее релевантную модальность и уровень детализации, превосходя существующие RAG-модели.