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 |
Tags
- computer vision
- multi-query
- anomaly detection
- LLaVA
- 퍼셉트론
- 데이터 파싱
- 오차역전파
- 시계열
- 손실함수
- 딥러닝
- LLM
- 합성곱 신경망
- deep learning
- 활성화함수
- rag parsing
- Mean squared error
- rrf
- 컴퓨터비전
- Time Series
- Non-Maximum Suppression
- pdf parsing
- nlp
- rag-fusion
- Cross Entropy Error
- E
- visual instruction tuning
- 활성화 함수
- 이상탐지
- segmentation
- leetcode
Archives
- Today
- Total
목록rag parsing (1)
굴러가는 분석가의 일상
RAG 성능을 좌지우지 하는 PARSING(파싱)의 한계점
본 게시물은 Florian June의 게시물을 참고하였습니다.💡 PARSING 이란? AI를 연구하는 사람들은 일반적으로 특정 문제를 해결하기 위해 모델링을 수행하지만, 이러한 모델링의 성능은 데이터의 질과 양에 크게 좌우된다. 데이터의 품질이 높을수록 모델의 예측 정확도와 응답의 신뢰성이 높아지며, 반대로 데이터가 부정확하거나 부족하면 원하는 결과를 얻는건 불가능하다. 따라서 많은 연구자와 개발자들은 데이터를 수집하고 전처리하는 데 상당한 시간과 자원을 투자합니다. RAG도 이와 마찬가지로 데이터의 중요성이 크게 부각이 된다. RAG를 효과적으로 적용하려면, 용도에 적합한 데이터를 수집하고, 이를 체계적으로 파싱(parsing) 및 구조화 하는 것이 상당히 중요하다. 이러한 작업은 단순히 데이터를 모..
LLM/RAG
2024. 11. 16. 22:45