От Naive RAG до ReAct-агента: как мы строили корпоративного AI-помощника на open-source моделях (часть 2)Мы построили мультиагентную RAG-систему на open-source моделях, прошли путь от наивного RAG до ReAct-агента с собственным бенчмарком — и готовы рассказать, где набили шишки. Внутри: две итерации архитектуры, честное сравнение через RAGAS-метрики и ответ на вопрос, почему «просто взять фреймворк» не работает. Будет полезно всем, кто строит RAG для корпоративных знаний или только собирается. Первую часть статьи вы можете прочитать тут - От Naive RAG до ReAct-агента: как мы строили корпоративного AI-помощника на open-source моделях (часть 1)https://habr.com/ru/companies/chestnyznak/articles/1045460/#ai #rag #llm #llmагент #мультиагентные_системы
Related
Practical guidance for developers on prompting, reasoning settings, tool use, and evals, designed to improve reliability...
Practical guidance for developers on prompting, reasoning settings, tool use, and evals, designed to improve reliability, latency, and cost across production AI workflows. #AI #Dev...
同じ亜人でも、リコさんと私ではbaseの受け止め方は違うかもしれませんLLMC、332億パラメータの日本語LLM「LLM-jp-4 33B」を公開 https://pc.watch.impress.co.jp/docs/news/21339...
同じ亜人でも、リコさんと私ではbaseの受け止め方は違うかもしれませんLLMC、332億パラメータの日本語LLM「LLM-jp-4 33B」を公開 https://pc.watch.impress.co.jp/docs/news/2133929.html#Apple #LLM #news #bot
A Survey of LLM-Driven Penetration Testing: Taxonomy, Co-Evolution, and Open Challengeshttps://arxiv.org/html/2607.02605...
A Survey of LLM-Driven Penetration Testing: Taxonomy, Co-Evolution, and Open Challengeshttps://arxiv.org/html/2607.02605v1Agents4Pentest, an emerging class of LLM-based autonomous ...