본문 바로가기

반응형

전체 글

(267)
Reciprocal Rank Fusion(RRF) 기존 RAG의 경우 Retrieval 과정이 매우 중요함Retrieval 과정의 성능을 높이기 위해 BM25와 같은 키워드 기반 검색 기술, 임베딩을 사용하는 밀집 검색 방법이 제시됨 Reciprocal Rank Fusion(RRF)여러 소스의 Rank를 하나의 통합된 순위로 결합하는 순위 집계 방법D: DocumentR: 순위 지정자 집합k: 상수(일반적으로 60)r(d): 순위 지정자 r에 있는 문서 d의 순위 Steps사용자 쿼리 입력쿼리가 다중 검색기로 전송각 검색기가 관련 문서에 대한 자체 순위 생성RRF 공식을 사용해 각 검색기의 순위 결합RRF score를 토대로 통합 순위 산출상위 순위 사용해 최종 답변 생성 수식에 대한 수학적 직관1/(k+r(d))를 사용하면 더 높은 순위(낮은 숫자)에..
24-10-4주차 - fine grained classification 관련 논문 읽기- 김성범 교수님 핵심 확통 강의 듣기- 논문 읽고 정리한거 블로그/깃헙에 업데이트하기!(제발)
미국 버스 티켓 모바일로 사는 법 미국 버스 티켓 모바일로 사는 법미국 첫날에 버스 티켓 사겠다고 동네 한바퀴 돌았는데 저같은 짓 하지말라고 씁니당... Transit app 깔아서 사세욥...https://transitapp.com/ Transit • Make life better without a car.GO: Your Friendly Transit Companion Like a helpful personal robot, GO thinks about your journey so you don’t have to.transitapp.com
상속과 컴포넌트 상속게임 엔진은 완성된 기반 코드를 제공하므로 이를 재사용해서 생산성을 높일 수 있다.이때 코드 재사용을 위해 사용하는 방법이 '상속'이다. 상속이란 이미 만들어진 클래스(부모 클래스)에 새로운 코드, 기능을 붙여서 새로운 클래스(자식 클래스)를 만드는 것이다. 예를 들어, 게임에서 몬스터를 구현하려고 할 때, Monster class를 부모 클래스로, 오크, 고블린 등 다양한 파생 몬스터를 자식 클래스로 작성할 수 있다. 또한 자식 클래스를 부모 클래스로 다시 재사용할 수 있다. 그러나 상속에만 의존해서 코드를 작성할 경우, 오히려 코드 재사용 때문에 더 많은 작업을 수행해야 하는 경우도 있으므로 이를 해결하기 위해 컴포넌트 패턴을 이용한다. 컴포넌트 패턴(컴포지션 패턴)미리 만들어진 부품을 조립하여 ..
torch.fill_() vs torch.full() torch.fill_() vs torch.full() torch.fill_()과 torch.full()는 둘 다 텐서를 특정 값으로 채우는 역할을 함 torch.fill_()in-place 연산을 수행하는 함수기존 텐서의 모든 값을 특정 값으로 덮어씌움import torchtensor = torch.randn(2, 2) # 무작위 값으로 2x2 텐서를 생성print(tensor)tensor.fill_(3) # 기존 텐서의 값을 모두 3으로 덮어씌움print(tensor) torch.full()새 텐서를 생성하고, 지정한 값으로 모든 요소를 채우는 함수기존 텐서가 아니라 새로 생성한 텐서를 사용함import torchtensor = torch.full((2, 2), 3) # 2x2 크기의 텐서를 생성..
[Paper Review] Question-Based Retrieval using Atomic Units for Enterprise RAG Question-Based Retrieval using Atomic Units for Enterprise RAG논문 주소Goal of the Paper: Enterprise Retrieval-Augmented Generation (RAG) 시스템의 성능을 개선하는 것특히, 문서의 일부를 보다 효율적으로 검색하는 방법을 연구하여, 사용자 쿼리에 대해 더 정확한 문서 조각을 반환하는 것을 목표로 함.이를 통해 잘못된 정보로 인한 오답을 줄이고, LLM(Large Language Model) 기반의 응답 생성을 향상시키고자 함Contribution:문서를 원자적 정보(atomic statements)로 분해하여, 기존보다 더 높은 검색 성능을 달성이때 atomic statements 란, chunk를 개별적인..
미국 J1 비자 사진 편집기 J1 비자 준비하는데 준비해야 하는 서류도 너무 많고 이거 말고 할 것도 많아서 너무 괴롭 서류 중에 DS-160 서류를 준비하는데 사진이 추가로 필요하다. 근데 여권 사진이 아니라 2inch * 2 inch 크기의 사진이 필요하고 조건도 까다롭다. 비자사진 조건 새로 찍어야 하나 생각했는데 미국에서 사진 수정 tool을 알려줌 https://tsg.phototool.state.gov/photo Photo-tool tsg.phototool.state.gov
[Architecture] EVCap: Retrieval-Augmented Image Captioning with External Visual-Name Memory EVCap: Retrieval-Augmented Image Captioning with External Visual-Name MemoryKeywords: Lightweight Image-captioning, Multimodality, Retrieval Augmentation학회: CVPR, Filckr30k, NoCaps, WHOOPSDataset: COCO, LVIS관련 연구: smallCAP진행 일시: 2024년 7월 1일논문 주소: https://arxiv.org/pdf/2311.15879year: 2024논문 요약기존 Image captioning task의 모델은 LLM을 활용함에 따라 파라미터가 많아지면서 open world knowledge를 유지하도록 하는데에 어려움이 있었으며, Retri..

반응형