Arize AI
A Arize AI é a criadora da Arize, uma plataforma de observabilidade de aprendizagem automática que ajuda os profissionais de aprendizagem automática a passar facilmente os modelos da investigação para a produção. Também criaram e mantêm o projeto de código aberto Arize Phoenix, que ajuda os utilizadores a avaliar, resolver problemas e afinar modelos LLM, CV e NLP num bloco de notas.
Arize AI and Zilliz
Em conjunto, a Arize AI e a Zilliz ajudam os utilizadores a compreender melhor e a afinar os seus modelos LLM, CV e NLP para aumentar a confiança nos seus embeddings e nos sistemas de pesquisa de geração aumentada de recuperação (RAG) e de semelhança que constroem com bases de dados vectoriais como a Zilliz Cloud e a Milvus.
RAG Evals: Análise estatística das estratégias de recuperação
Neste vídeo, Jason Lopatecki, CEO e cofundador, e Sally-Ann DeLucia, engenheira de soluções de ML da Arize AI, aprofundam os 5 pilares da observabilidade do LLM: avaliação, traços e intervalos, engenharia imediata, pesquisa e recuperação e ajuste fino. Estes pilares exploram as avaliações de resultados de LLM, a melhoria da recuperação de contexto e os conhecimentos sobre benchmarking e análise de sistemas de recuperação para LLMs e RAGs.
Construindo e resolvendo problemas de um mecanismo avançado de consulta LLM
Nesta sessão sob demanda, siga o passo a passo para criar um mecanismo de consulta robusto usando o poder combinado de Arize Phoenix, LlamaIndex, LangChain, GPT 3.5 Turbo, NLTK e Milvus. Você terá uma visão geral da orquestração LLM, uma introdução aos bancos de dados vetoriais e uma explicação de como a pesquisa e a recuperação funcionam e por que são necessárias.
Embeddings: Descubra a chave para criar aplicativos de IA em escala com Zilliz
Esta palestra da conferência focou-se na utilização de embeddings para aplicações de IA generativas escaláveis. Ele discute como a estrutura CVP pode ser usada para corrigir muitos dos problemas existentes em torno da alucinação e da falta de conhecimento de domínio que vemos em modelos de IA generativos. Os participantes assistem a uma demonstração do chat OSS, uma manifestação da estrutura CVP.
Alargar a janela de contexto dos modelos LLaMA Leitura de documentos
Oiça os especialistas em IA e ML discutirem um artigo de investigação sobre a Interpolação de posição (PI), um método que aumenta o tamanho da janela de contexto dos modelos LLaMA até 32.768 posições com um ajuste fino mínimo. Ficará a saber como funcionam as pontuações de atenção para compreender para que servem realmente as incorporações posicionais.