LLM — поиск товаров

LLM-поиск товаров: R&D применения технологий RAG и Knowledge Graph Search для продвинутого поиска товаров по сложным текстовым запросам. Как LLM и Knowledge Graph ищут товары

https://habr.com/ru/articles/1018860/

#LLM #RAG #Knowledge_Graph #ML #GraphRAG #Graph_Search

Книга: «Основы GraphRAG. Улучшенный RAG на базе графов знаний»

Привет, Хабожители! Создайте и разверните систему GraphRAG производственного уровня. Научитесь извлекать структурированные знания из текста и комбинировать методы векторного поиска с поиском по графам. Книга богата практическими примерами: от создания инструмента поиска по векторному сходству и приложения Agentic RAG до оценки эффективности и точности результатов работы такого приложения.

https://habr.com/ru/companies/piter/articles/1013810/

#rag_ai #retrieval_augmented_generation #llm #graphrag

MS GraphRAG, Ollama и немного киберпанка

Здравствуйте. Несколько лет глубоко погружён в тему корпоративных RAG-систем. В последнее время, как от коллег, так и от заказчика часто слышу, что векторный поиск это слабое место и вчерашний день, и что нас спасут только графовые системы. Нашел несколько постов и видео на эту тему. Захотелось попробовать. В статье делюсь своими впечатлениями, рефлексирую и рассказываю как воспроизвести эксперименты. Почему Ollama? Выделение вычислительных ресурсов на RAG в проекте - отдельная больная тема. Мне нужно было понять нижнюю планку. Если коротко, кое-как работает даже на 4b моделях. Причём здесь киберпанк? Очень нравится этот жанр, а ещё я люблю использовать для проверки RAG/LLM штук знакомые тексты. Для экспериментов с Microsoft GraphRAG я выбрал рассказ "Johnny Mnemonic" Уильяма Гибсона, для начала на английском.

https://habr.com/ru/articles/1014316/

#rag #graphrag #ollama #cyberpunk #gephi #litellm

Going live today, 20:00 CEST 🚀

Jennifer Reif (@neo4j) and I are adding graph traversal on top of vector search and seeing what breaks (and what gets better). Expect a bit of chaos.

Join us 👇
https://youtube.com/live/KUcZL2yHjGU
#GraphRAG #LangChain4J

Final day at #SWAT4HCLS at AmsterdamUMC! Great to be here with Helmholtz KG team from HMC Hub Information & Health 🚀

Highlights included:
– Tutorials on #GraphRAG, SPARQL & provenance
– Inspiring keynotes by Hannah Bast (QLever) & Janna Hastings (LLMs)
– A buzzing poster session with fantastic discussions

And today we’re presenting:
👉 The Helmholtz Knowledge Graph
– building a semantic interoperability layer across @helmholtz

Come by and chat with us 🙌

@swat4hcls
#KnowledgeGraph #Helmholtz

I keep hearing about #GraphRAG vs classic #RAG …but what actually changes?

I’ll be figuring it out live with Jennifer Reif from @neo4j and asking all the naive questions. If you’ve got some, bring them here https://youtube.com/live/KUcZL2yHjGU

Release: Agentic Reasoning Prototype!

Instead of forcing LLMs to hallucinate confidence, we provide a graph based ground truth (including ambiguity and conflicting interpretations). The LLM acts as a data curator, rather than pretending to be a researcher.

https://github.com/imagines-nummorum/agentic-graph-rag

#Neo4j #MCP #ADK #GraphRAG #AI #OpenSource #knowledgeGraphs

Графы знаний в юридическом домене: как не потерять сложность при построении RAG-системы

Ни одна современная AI-система в юридическом домене не обходится без RAG: юридические данные слишком специфичны, слишком изменчивы и никогда слишком редко составляли значимую часть обучающей выборки LLM, чтобы доверять ей без внешней базы знаний. Обычно при построении RAG-системы используют модуль поиска, основанный на векторных БД. Однако в таких сложно организованных областях знаний, как юридическая, архитектура, основанная на поиске в хранилище "плоских" эмбеддингов, может не справиться. Векторный поиск позволяет находить семантически близкие (схожие) фрагменты текстов, тогда как юридический домен также требует понимания многочисленных связей между сущностями , рассеянными по множеству документов . Кажется, что область знаний, организованная таким образом, идеально может быть представлена в виде графа знаний, особенно после появления современных инструментов, позволяющих автоматически строить такие графы на тысячах документов и использовать их в качестве хранилища знаний для RAG-систем. Однако все имеет свою цену: неполнота или неточность построенного графа может свести на нет все вложенные ресурсы и оставить вас с системой, которая хуже "наивного" векторного поиска. Какие преимущества поиска по графу знаний по сравнению с классическим векторным поиском, а также каковы критерии, когда использование графового поиска действительно необходимо для построения RAG-системы в юридическом домене?

https://habr.com/ru/articles/1012556/

#RAG #retrievalaugmented_generation #ai #artificial_intelligence #llm #large_language_models #vector_database #graph_database #knowledge_graphs #graphrag