Denis2054/RAG-Driven-Generative-AI
요약
LlamaIndex, Pinecone, Deep Lake 등을 활용하여 생성형 AI를 위한 RAG(검색 증강 생성) 시스템을 구축하고 평가하는 코드를 제공합니다. OpenAI와 Hugging Face 모델을 결합하여 고도화된 RAG 파이프라인 구현 방법을 다룹니다.
핵심 포인트
- LlamaIndex, Pinecone, Deep Lake를 이용한 RAG 구현
- OpenAI 및 Hugging Face 모델 기반의 생성 및 평가 프로세스
- Advanced RAG 및 멀티모달 기술 적용 가능성 제시
- 임베딩 모델과 벡터 데이터베이스 활용 가이드
저장소: Denis2054/RAG-Driven-Generative-AI
언어: Jupyter Notebook
Stars: 609
Forks: 211
토픽: advanced-rag, chroma, chromadb, embedding-models, fine-tuning, gpt-4o-mini, gpt4-omni, grok, huggingface, indexing-querying, llama, llama-index, multimodal, openai-api, pinecone, rag, scaling, vision-transformer, xai-grok
설명:
이 저장소는 생성 (generation) 및 평가 (evaluation)를 위해 OpenAI 및 Hugging Face 모델의 강력한 기능을 활용하여, LlamaIndex, Deep Lake, Pinecone을 이용한 생성형 AI (Generative AI)용 검색 증강 생성 (RAG, Retrieval Augmented Generation) 코드를 구축하는 프로그램을 제공합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 GitHub AI Tools의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기