프로페서 H의 메디톡

오늘은 RAG-LLM과 관련된 문헌이 있어 공유하고자 합니다.  Developing Retrieval Augmented Generation (RAG) Based LLM Systems from PDFs: An Experience Reporthttps://arxiv.org/html/2410.15944v1#S4 Developing Retrieval Augmented Generation (RAG) based LLM Systems from PDFs: An Experience ReportBest Practice: Ask the Model to adopt a Persona  Provide specialized context-Rich instructions that guide the assistant on how to..

이번에는 좀더 균형된 review, guideline 저작과 관련된 문헌 탐색에 더 촛점이 맞추어진 것이라 생각하는 에이전트를 살펴보고자 한다. 1. Consensusu.app2. Covidence - 전문적인 systematic review를 작성하려고 할 때3. Elicit.org - systematic review4. EvidenceHunt - 빠른 문헌 탐색5. LitSuggest - NIH에서 제공하는 웹기반 literature recommendation and curation6. rayyan - systematic literature reviews 1. Concensus.app 이 에이전트는 우선 매우 필요한 필터 기능이 제공되고 있다. 출판연도, preprint 포함여부, 인용지수, 문헌 ..

문헌을 자동으로 검색하는 AI 에이전트는 1) 학술 저작을 도와주는 것을 목적으로 하거나, 2) 특정 주제에 대하여 관련성이 높은 문헌을 잘 탐색해서 선별 제시해주는 것을 목적으로 하는 것들로 분류해볼 수 있을 것 같다. bias없는 review나 가이드라인을 작성하기 위해서는 후자의 기능이 더 필요할 것으로 생각한다. 각 에이전트들의 특징을 정리해보고자 한다(계속 업데이트 예정).  jenni.aisamwell.airesearchrabbitapp.com (추천)scite_  1. AI for Literature Review - Designed For Academic Writing1) jenni.aihttps://jenni.ai/lp/literature-review-generator-lp?utm_sour..

LLM 기반 Synthetic Data 연구https://arxiv.org/html/2406.15126v1 On LLMs-Driven Synthetic Data Generation, Curation, and Evaluation: A SurveyOn LLMs-Driven Synthetic Data Generation, Curation, and Evaluation: A Survey Lin Long1, Rui Wang1, Ruixuan Xiao1 Junbo Zhao1, Xiao Ding2, Gang Chen1, Haobo Wang1 1Zhejiang University, China  2Harbin Institute of Technology, China Correspondence: wanghaobarxiv.or..

BabyAGI  : 인공지능 기반 작업관리 시스템 GitHub - yoheinakajima/babyagiContribute to yoheinakajima/babyagi development by creating an account on GitHub.github.com A simple framework for managing tasks using AI  BabyAGI는 인공지능을 활용한 작업 관리 시스템입니다. 이 프레임워크는 OpenAI의 언어 모델과 Pinecone의 벡터 데이터베이스를 결합하여 자동으로 작업을 생성, 우선순위 지정, 실행하는 능력을 갖추고 있습니다[1][2].## 주요 특징**자율적 문제 해결**: BabyAGI는 복잡한 목표를 작은 하위 작업으로 분해하여 효율적으로 문제를 해결합니다..

Autonomous LLM-driven research from data to human-verifiable research papersLLM 스스로 연구 : 데이터에서 검증 가능한 연구 논문까지https://ai.nejm.org/doi/full/10.1056/AIoa2400555 작성일: 2024.01.03연구 개요본 연구는 AI 기반 연구가 투명성, 추적성, 검증 가능성과 같은 핵심적인 과학적 가치를 준수할 수 있는지 탐구한다. Tal Ifargan, Lukas Hafner 등이 주도한 이 연구는 2024년 4월 30일에 NEJM AI에 발표되었다.핵심 연구 내용data-to-paper 플랫폼 소개연구진은 AI 에이전트들이 완전한 연구 과정을 수행할 수 있도록 안내하는 자동화 플랫폼 'data-to-..