Ինչպես մենք սովորեցրինք LLMCOD-ին գիտելիքների բազա ստեղծել ոչ միայն HTML-ից, այլև SPA-ներից և բաց API-ներից
LLMCOD ծառայության մշակողները ներկայացրել են թարմացում, որն ընդլայնում է RAG համակարգերի համար գիտելիքների բազաներ ստեղծելու հնարավորությունները: HTML կոդի վերլուծության ավանդական մեթոդը դառնում է անարդյունավետ ժամանակակից SPA կայքերի համար, որտեղ բովանդակությունը դինամիկ կերպով բեռնվում է JavaScript-ի և API-ների միջոցով: LLMCOD թիմը իրականացրել է մեխանիզմ, որը թույլ է տալիս համակարգին փոխգործակցել API-ների հետ և մշակել այն տվյալները, որոնք չեն երևում էջի սկզբնական կոդում: Հոդվածում մանրամասն նկարագրվում են այն տեխնիկական դժվարությունները, որոնց բախվել են մշակողները այս մեթոդները ներդնելիս, և բացատրվում է, թե ինչու միայն վեկտորային որոնումը բավարար չէր տեղեկատվության որակյալ արդյունահանման համար: Նոր լուծումը թույլ է տալիս ավելի արդյունավետ ինդեքսավորել բարդ վեբ ռեսուրսները՝ ապահովելով տվյալների ամբողջականությունը LLM-ների աշխատանքի համար: Հեղինակները կիսվում են դասական սքրեյփինգի սահմանափակումները հաղթահարելու իրենց փորձով և ընդգծում են գործիքները ժամանակակից վեբ հավելվածների ճարտարապետությանը հարմարեցնելու կարևորությունը:
This is a summary. Read the full article at the original source:
HabrԿապակցված
Կարծում եմ՝ գտել եմ մի AI գործակալ, որն արժե ռիսկի դիմել
«Instinct» AI գործակալի վերջին վերլուծությունը ցույց է տալիս ինքնավար թվային օգնականների երկակի բնույթը: Հեղինակը նշում է, որ գործիքը հաջողությամբ կատ…
ԱՄՆ բանակը գրեթե գրավել էր չինական նավը՝ արհեստական բանականության սխալ զեկույցի պատճառով
ԱՄՆ ռազմական գործողությունը գրեթե վերածվեց միջազգային հակամարտության այն բանից հետո, երբ արհեստական բանականության կողմից ստեղծված հետախուզական զեկույց…
PrismML-ը իր փոքր LLM-ները ներդնում է Qualcomm-ով աշխատող խելացի ակնոցներում
PrismML-ը հայտարարել է իր մասնագիտացված փոքր լեզվական մոդելները (LLM) Qualcomm պրոցեսորներով հագեցած խելացի ակնոցներում տեղակայելու մասին: Այս քայլը ն…