شماره ركورد
14253
عنوان
بررسي روشهاي توليد تقويتشده از طريق بازيابي براي مدل هاي زباني بزرگ
سال تحصيل
1402
استاد راهنما
دكتر بهروز مينايي بيدگلي
چکيده
توليد تقويت شده از طريق بازيابي با استفاده از گراف توليد تقويت شده از طريق بازيابي از رويكردهاي پيشرفتهاي هستند كه تركيب بازيابي اطلاعات و مدلهاي زباني بزرگ را به منظور توليد محتواي دقيق و مرتبط ممكن ميسازند. اين مدلها با اتصال دانش خارجي و پايگاههاي اطلاعاتي به مدلهاي توليد زبان، قادر به ارائه پاسخهاي معنادار و متناسب با زمينههاي مختلف هستند. اهميت اين روشها در بهبود قابليتهاي سيستمهاي پرسش و پاسخ، چتباتها، و سامانههاي پيشنهادگر نهفته است. استفاده از رگ در اين زمينهها امكان بهرهگيري از اطلاعات پراكنده و غيرساختارمند را به شكلي كارآمد فراهم ميآورد.
مدل گراف توليد تقويت شده از طريق بازيابي با بهرهگيري از ساختارهاي گراف، روابط پيچيده بين دادهها را مدلسازي كرده و انسجام بيشتري به پاسخها ميبخشد. اين مدل بهويژه در حوزههايي كه دادهها ساختارمند هستند، نظير تحليل شبكههاي اجتماعي، دانشنگاشتها، و پژوهشهاي علمي، پتانسيل بالايي دارد. توانايي اين روش در شناسايي روابط ميان گرهها و بهبود بازيابي اطلاعات دقيق، آن را به ابزاري قدرتمند براي كاربردهاي متنوع تبديل كرده است.
در اين مطالعه، ابتدا اصول و مفاهيم پايه توليد تقويت شده از طريق بازيابي و گراف توليد تقويت شده از طريق بازيابي شرح داده شدهاند. سپس، پيشرفتهاي اخير در زمينه استفاده از اين مدلها شامل روشهاي بهبود معماري، بهرهگيري از يادگيري تقويتي، و ادغام با دادههاي گراف مورد بررسي قرار گرفتهاند. چالشها، مزايا و معايب روشهاي موجود و مجموعه دادههاي كاربردي اين مدلها تحليل شده و در نهايت، خلاهاي موجود در پژوهشهاي فعلي و پيشنهادهايي براي تحقيقات آتي ارائه شده است. اين مطالعه با هدف بررسي جامع روشها و فراهمسازي بينشي براي توسعه ابزارهاي هوشمندتر انجام گرفته است.
نام دانشجو
نگين كريمي
تاريخ ارائه
12/4/2024 12:00:00 AM
متن كامل
85156
پديد آورنده
نگين كريمي
تاريخ ورود اطلاعات
1403/09/20
عنوان به انگليسي
Examination of Retrieval-Augmented Generation Methods for Large Language Models
كليدواژه هاي فارسي
توليد تقويت شده از طريق بازيابي , مدل هاي زباني بزرگ , گراف توليد تقويت شده از طريق بازيابي
كليدواژه هاي لاتين
Reinforcement Augmented Generation (RAG) , large language models , Graph-RAG