В данном репозитории содержатся примеры построения предметно-ориентированных диалоговых систем на основе продвинутых техник Retrieval-Augmented Generation:
simple_rag: Наивный RAG и поиск на основе синтетических вопросовgraph_rag: Графовый RAG на основе извлечения графа знаний из текстового массива, вдохновлён статьей/примером от Microsoft Researchmultiagent: Многоагентный RAG с явной оркестрацией агентов и агентом с явными рассуждениями на основе онтологий с логическим выводом на языке Prolog.
В качестве предметной области рассматривается вино - классификация вин, подбор подходящего вина к разным блюдам. Исходные данные находятся в директории source.
Различные вариации этого кода были показаны в рамках докладов/мастер-классов на следующих конференциях:
- SMILES 2024. Летняя школа машинного обучения Skoltech.
- Yandex Practical ML Conf 2024: Дмитрий Сошников, Дмитрий Рыбалко. Разные (мультиагентные) подходы для работы с LLM в Yandex Cloud слайды
- PiterPy 2024 слайды
- Стачка SPb 2024 слайды
- Телеграм-канал Дмитрия Сошникова Облачный адвокат
- Телеграм-канал Yandex Foundation Models
- Телеграм-канал Yandex for ML