| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
Tags
- qwen
- Parametric RAG
- moe
- Noise Robustness
- fine-tuning
- SFT
- RAG
- Baekjoon
- Embedding
- Do it
- coding test
- DyPRAG
- retrieval
- Statistics
- Noise
- Hallucination
- reranking
- odds
- Python
- Retriever
- 파인튜닝
- Document Augmentation
- lora
- Algorithm
- NLP
- DPO
- COT
- GPT
- Transformer
- LLM
Archives
- Today
- Total
목록GraphDB (1)
왕구아니다
본 논문 리뷰는 저의 개인적인 해석과 의견을 바탕으로 작성된 글입니다.내용 중 해석의 오류나 개념적인 착오가 있다면, 망설이지 마시고 댓글로 혼내주시면 감사하겠습니다~Preview- 의료 그래프를 구축하기 위해 3 계층의 RAG 데이터 구조 설계1. 첫 번째 계층 : 특정 병원의 매우 민감한 의료 보고서와 같은 사용자 제공 문서로 구성 (환자 데이터 등...)2. 두 번째 계층 : 의학 교과서 및 학술 논문을 사용하여 구성3. 세 번째 계층 : UMLS 같은 공인된 의료 개념 체계 (의학 용어)- U-retrieve (top-down + bottom-up) 방식을 사용해 문서 검색 후 답변 생성1. 문서 검색(top-down) : 전체 그래프 → 메타그래프 → 엔티티 노드 방향2. 답변 생성(bottom..
Paper Review/RAG
2025. 6. 4. 17:29
