RAG kontra finjustering kontra promptutformning: optimera AI-modeller

IBM Technology. En tydlig whiteboardgenomgång av alla tre teknikerna och deras respektive kostnader: latens vid informationshämtning, beräkningskostnaden för träning och katastrofal glömska samt begränsningarna med lösningar som enbart bygger på prompter. Den tar också upp de kombinationer som faktiskt är rimliga i produktion. Det avslutande exemplet, där ett juridiskt AI-system använder alla tre teknikerna, motsvarar nästan exakt artikelns argument om när de bör kombineras.

Se nästa

Fortsätt längs samma lärstig med nästa kurerade kompletterande video.

157 minuter

Finjustering av LLM-modeller – kurs i generativ AI

Du kommer att kunna genomföra finjusteringar med kvantisering, LoRA och QLoRA från början till slut på hårdvara som de flesta utvecklare redan har.

AvanceradPrivat/lokal AI

15 minuter

Så bygger vi effektiva agenter: Barry Zhang, Anthropic

Utforma enklare agentloopar med tydliga stoppregler, uppgiftsgränser och kontrollpunkter för människor.

AvanceradAutomatisering

190 minuter

Komplett nybörjarkurs i LangGraph – komplexa AI-agenter med Python

Du kan bygga en LangGraph-agent med typat tillstånd, villkorsstyrd dirigering, kontrollpunkter och verktygsanvändning samt förstå när den explicita modellen lönar sig.

AvanceradAutomatisering