【コピペでOK】Gemini RAGはこんなに簡単！寝てる間にGitHub Actionsが最新ドキュメントを学習するAIアシスタントを作ろう - Qiita
【コピペでOK】Gemini RAGはこんなに簡単！寝てる間にGitHub Actionsが最新ドキュメントを学習するAIアシスタントを作ろうGASGeminiragGitHubActions Gemini API の File Search Tool は、RAGを超簡単に使えるようになる魔法です。 すぐに使える、コードを以下からダウンロードしてください。 https://github.com/sinzy0925/py_gemini-rag はじめに 「公式ドキュメント、読むのが大変...」「AIに最新の仕様について質問できたらいいのに...」 開発者なら誰しも一度はこう思ったことがあるのではないでしょうか？ そんな願いを叶える技術が**RAG (Retrieval-Augmented Generation)**です。AIに独自の知識を与えることで、特定の専門分野に特化した超優秀なアシスタ
【RAG】画像に「補助線」を入れるだけで精度向上する手法
本記事では、LLMの「画像読み取り性能」を高める手法について、ざっくり紹介します。 株式会社ナレッジセンスは、「エンタープライズ企業の膨大なデータを掘り起こし、活用可能にする」プロダクトを開発しているスタートアップです。 この記事は何 この記事は、画像に「横線」を引くだけでLLMの画像読み取りの性能を向上させる手法を提案した論文[1]について、日本語で簡単にまとめたものです。 今回も「そもそもRAGとは？」については、知っている前提で進みます。確認する場合は、こちらの記事もご参考下さい。 ※ちなみにこの手法は直接的にはRAGではありません。しかし、2025年は「マルチモーダルRAG」が流行する年です。例えば、社内データの「ごちゃごちゃしたポンチ絵」などを正確に読み取れると、マルチモーダルRAGの精度は向上します。 本題 ざっくりサマリー 画像に3本の横線を追加し、「この線に沿って順番に見て
RAGの検索精度を上げる 新しいリランキング手法
本記事では、RAGの性能を高めるための「REBEL」という手法について、ざっくり理解します。株式会社ナレッジセンスは、エンタープライズ企業向けにRAGを提供しているスタートアップです。 この記事は何 この記事は、RAGの新手法である「REBEL」の論文[1]について、日本語で簡単にまとめたものです。 今回も「そもそもRAGとは？」については、知っている前提で進みます。確認する場合は以下の記事もご参考下さい。 本題 ざっくりサマリー REBEL (RErank BEyond reLevance) は、RAGの精度を上げるための新しい手法です。MicrosoftとScale AIの研究者らによって2025年3月に提案されました。 通常のRAGでは、リランキングという手法がよく使われます。これは何かというと、ベクトル検索で取ってきた文書を「ユーザーの質問との関連性」で並び替え、上位のX件をLLM
【RAG】文書をパラメータ化してLLMに直接注入する手法
本記事では、RAGの性能を高めるための「DyPRAG」という手法について、ざっくり理解します。株式会社ナレッジセンスは、エンタープライズ企業向けにRAGを提供しているスタートアップです。 この記事は何 この記事は、RAGの新手法である「DyPRAG」の論文[1]について、日本語で簡単にまとめたものです。 今回も「そもそもRAGとは？」については、知っている前提で進みます。確認する場合は以下の記事もご参考下さい。 （すみません、ちょっと今回、玄人向けの記事です...🙏） 本題 ざっくりサマリー DyPRAGは、中国科学院自動化研究所の研究者らによって2025年3月に提案されました。 通常のRAGでは、ユーザーの質問に関連する文書を「会話のコンテキスト」としてLLMに渡します（=「In-context learning」）。ただ、このとき文字数が多すぎると、LLMがハルシネーションを起こした
GraphRAG Toolkit を使って Amazon Bedrock で GraphRAG を構築する - Taste of Tech Topics
こんにちは、機械学習チーム YAMALEX の駿です。 YAMALEX は Acroquest 社内で発足した、会社の未来の技術を創る、機械学習がメインテーマのデータサイエンスチームです。 （詳細はリンク先をご覧ください。） 今回は AWS が提供するオープンソースツール GraphRAG Toolkit を使って、 GraphRAG に入門しようと思います。 GraphRAG Toolkit を使うと、 Amazon Neptune と Amazon OpenSearch Serverless を使用した GraphRAG システムをローコードで実装できます。 なお、2024年12月から Bedrock Knowledge Base で使用できるようになった GraphRAG とは別物なので、混同しないようご注意ください。 1. はじめに 1.1. GraphRAG とは 1.2. Gr
GitHub - rag-web-ui/rag-web-ui: RAG Web UI is an intelligent dialogue system based on RAG (Retrieval-Augmented Generation) technology.
graph TB %% Role Definitions client["Caller/User"] open_api["Open API"] subgraph import_process["Document Ingestion Process"] direction TB %% File Storage and Document Processing Flow docs["Document Input<br/>(PDF/MD/TXT/DOCX)"] job_id["Return Job ID"] nfs["NFS"] subgraph async_process["Asynchronous Document Processing"] direction TB preprocess["Document Preprocessing<br/>(Text Extraction/Cleaning
RAGで動画検索。「VideoRAG」の解説
本記事では、RAGの性能を高めるための「VideoRAG」という手法について、ざっくり理解します。株式会社ナレッジセンスは、エンタープライズ企業向けにRAGを提供しているスタートアップです。 この記事は何 この記事は、RAGで動画も検索できるようにする手法「VideoRAG」の論文[1]について、日本語で簡単にまとめたものです。 今回も「そもそもRAGとは？」については、知っている前提で進みます。確認する場合はこちらの記事もご参考下さい。 本題 ざっくりサマリー VideoRAGは、RAGの新しい手法です。VideoRAGを使うことで、動画も、RAGのソースとして活用できるようになります。KAISTとDeepAuto.aiの研究者らによって2025年1月に提案されました。 最近、「マルチモーダルRAG」が注目されています。（※こちらの記事でも2025年のトレンド予想として紹介しました） 通
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Pythonで構築する全国市町村ナレッジグラフ: GraphRAGを用いた意味的地域検索への応用
https://x.com/hokazuya/status/1934569931669971209?s=46&t=65qRa1Yq2ULYSazTK-QIOQ
https://x.com/hokazuya/status/1929863852235080189?s=12&t=WLoQjPOJLfZ0ZJFtTOS7aw
GitHub - airweave-ai/airweave: Open-source context retrieval layer for AI agents
https://x.com/langchainjp/status/1918440587885183074?s=12&t=WLoQjPOJLfZ0ZJFtTOS7aw
https://x.com/kyutaro15/status/1916817728192823510?s=12&t=WLoQjPOJLfZ0ZJFtTOS7aw
GitHub - getzep/graphiti: Build Real-Time Knowledge Graphs for AI Agents
https://x.com/voluntas/status/1912746516151955578?s=12&t=WLoQjPOJLfZ0ZJFtTOS7aw
GitHub - NirDiamant/RAG_Techniques: This repository showcases various advanced techniques for Retrieval-Augmented Generation (RAG) systems. RAG systems combine information retrieval with generative models to provide accurate and contextually rich response
https://x.com/ogawa_yutaro_22/status/1880448819168702639?s=12&t=WLoQjPOJLfZ0ZJFtTOS7aw
https://x.com/sora19ai/status/1848582953921872085?s=12&t=WLoQjPOJLfZ0ZJFtTOS7aw
https://x.com/super_bonochin/status/1815441622609653902?s=12&t=WLoQjPOJLfZ0ZJFtTOS7aw
https://x.com/mitarashiponta/status/1811727230088908861?s=12&t=WLoQjPOJLfZ0ZJFtTOS7aw