Nghiên cứu chỉ ra rằng việc cập nhật kho dữ liệu có thể khiến hệ thống RAG thay đổi câu trả lời dù các thiết lập khác không đổi. Tác giả đề xuất phương pháp 'kiểm toán tương thích snapshot' để đo lường mức độ biến động này, giúp tăng độ tin cậy cho các hệ thống AI truy xuất thông tin.
Hướng dẫn chi tiết cách thiết lập pipeline xử lý tài liệu từ A-Z bằng deepDoctection, bao gồm phân tích bố cục, OCR với DocTR, trích xuất bảng và tạo dữ liệu JSONL cho RAG.
Rohan Paul@rohanpaul_aiNew Harvard + Stanford paper says, don't replace your embedding model with an LLM. Use embeddings fo…
DịchNghiên cứu mới chỉ ra rằng LLM đắt gấp 1.431 lần nhưng không vượt trội đáng kể so với mô hình Embedding trong tìm kiếm. Các chuyên gia khuyên nên dùng Embedding để lọc dữ liệu thô và chỉ dùng LLM cho các tác vụ suy luận chuyên sâu ở bước cuối.
IAR giới thiệu quy trình 3 bước (nạp, căn chỉnh, phục hồi) giúp chuyển đổi dữ liệu thành kiến thức tham số, cho phép mô hình trả lời chính xác mà không cần RAG. Phương pháp này cải thiện đáng kể hiệu suất trên nhiều dòng mô hình phổ biến như Llama, Qwen và Phi.
ModelBest OpenBMB@OpenBMBWe increasingly use LLMs as prixies, for real people in cross-country surveys. But do they simulate …
DịchCác nhà nghiên cứu từ Đại học Thanh Hoa đề xuất chỉ số 'bình đẳng đại diện' để đo lường sự thiên vị của LLM đối với 59 quốc gia. Kết quả cho thấy các mô hình ưu ái phương Tây hơn và RAG là giải pháp hiệu quả nhất để cải thiện sự công bằng này.
Nghiên cứu đề xuất cách tiếp cận mới để phát hiện ảo giác ở cấp độ token bằng cách phân tích chuỗi thay vì đánh giá độc lập, giúp cải thiện đáng kể độ chính xác nhờ tận dụng mối liên hệ giữa các từ trong ngữ cảnh.
Rohan Paul@rohanpaul_aiRAG poisoning can make a model more confident, which is exactly why confidence-based detectors can f…
DịchNghiên cứu mới chỉ ra rằng việc đầu độc dữ liệu RAG khiến mô hình trở nên quá tự tin và tập trung sai lệch vào tài liệu độc hại. Việc giám sát phân bổ chú ý thay vì chỉ dựa vào độ tin cậy của câu trả lời có thể giúp phát hiện sớm các cuộc tấn công này.
Thay vì chỉ dựa vào tìm kiếm vector truyền thống, GraphRAG kết hợp đồ thị tri thức và phân tầng tóm tắt để giúp AI trả lời các câu hỏi phức tạp đòi hỏi sự tổng hợp dữ liệu trên quy mô lớn.
Phiên bản Sentence Transformers v6.0 bổ sung MultiVectorEncoder, cho phép tích hợp trực tiếp các mô hình ColBERT và ColPali để tối ưu hóa khả năng truy xuất thông tin (RAG) với cơ chế tương tác muộn.
Diễn biến sự kiện · 1 bài →
AI Notes@AYi_AInotesBài viết phân tích cách khắc phục tình trạng AI Agent đưa ra thông tin mâu thuẫn do dữ liệu cũ không được cập nhật, thông qua các cơ chế quản lý thời gian và so sánh hai dự án mã nguồn mở là Graphiti và OpenContext.
Nghiên cứu giới thiệu D-SCAN, phương pháp phát hiện tấn công đầu độc dữ liệu trong RAG bằng cách phân tích hiện tượng 'sụp đổ chú ý' (Attention Collapse) bên trong mô hình, thay vì dựa vào độ bất định của đầu ra vốn dễ bị đánh lừa.
ConceptFormer là khung học tập mới giúp truy xuất tài liệu hình ảnh bằng cách mô hình hóa các khái niệm ẩn, kết nối trực tiếp bằng chứng thị giác với độ liên quan ngữ nghĩa mà không cần mô tả văn bản trung gian.
ParliamentRAG giải quyết các hạn chế của RAG truyền thống trong văn bản nghị viện bằng cách đánh giá thẩm quyền của người phát biểu dựa trên chuyên môn và bối cảnh, giúp trích xuất thông tin chính xác và khách quan hơn.
Bài viết giải thích hiện tượng AI tự tin đưa ra thông tin sai lệch, đồng thời hướng dẫn các kỹ thuật như RAG, tinh chỉnh mô hình và tối ưu hóa prompt để giảm thiểu rủi ro này cho nhà phát triển.
CoinRAG cải thiện hiệu suất RAG bằng cách trích xuất và tái sử dụng các đơn vị thông tin nhỏ thay vì toàn bộ đoạn văn bản, giúp giảm độ trễ và tăng độ chính xác cho các truy vấn ngữ cảnh dài.
ModelBest OpenBMB@OpenBMBReasoning models think longer, but longer chains bury more factual mistakes-and one wrong fact early…
DịchCheckRLM là khung RAG mới từ ĐH Thanh Hoa giúp phát hiện và sửa lỗi thực tế ngay trong quá trình suy luận thay vì hậu kiểm. Giải pháp này đạt hiệu suất vượt trội trên các bộ dữ liệu khó như MuSiQue với tốc độ nhanh và tiết kiệm token hơn so với các mô hình hiện nay.
