Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 |
| 20 | 21 | 22 | 23 | 24 | 25 | 26 |
| 27 | 28 | 29 | 30 | 31 |
Tags
- pdf parsing
- Non-Maximum Suppression
- rag parsing
- 머신러닝
- 손실함수
- segmentation
- 시계열
- leetcode
- Time Series
- deep learning
- 퍼셉트론
- 합성곱 신경망
- 딥러닝
- LLM
- LLaVA
- computer vision
- E
- 활성화 함수
- 활성화함수
- Cross Entropy Error
- CNN
- anomaly detection
- 컴퓨터비전
- 데이터 파싱
- Mean squared error
- 이상탐지
- nlp
- visual instruction tuning
- 오차역전파
Archives
- Today
- Total
목록2024/10/29 (1)
굴러가는 분석가의 일상
[논문리뷰] RAPTOR (장문의 문서에 적합한 RAG)
RAPTOR: Recursive Abstractive Processing for Tree-Organized RetrievalPaper | GitHub | Overview 💡 Naive RAG의 문제점 위의 그림은 Naive RAG의 전반적인 흐름을 나타낸다. 즉, 사용자가 질문을 하게 되면, 질문과 비슷한 상위 k개의 정보들을 추출하여, 답변을 생성하는 것이다. 만약 K 값이 5라고 가정해보자. 그럼 과연 추출된 5 가지의 단락(정보)을 가지고 문서의 전체적인 컨텍스트를 이해할 수 있을까? 조금 더 직관적인 예시를 통해 알아보도록 하겠다. 만약 신데렐라의 동화에서 "신데렐라가 어떻게 행복한 결말을 맞이했는가"? 라는 질문을 던졌을 때, 사용자가 원하는 보편적인 답변은 전체적으로 신데렐라가 어떠한 과정..
논문리뷰
2024. 10. 29. 16:51