Logo des Repositoriums

Auflistung nach Schlagwort "Retrieval Augmented Generation"

1 - 2 von 2
  • Konferenzbeitrag
    Lektionen und Anwendungsfälle aus der Implementierung von Retrieval-Augmented-Generation-Systemen
    (INFORMATIK 2024, 2024) Bäumer, Frederik Simon; Brandt-Pook, Hans; Matutat, André; Maoro, Falk; Pelkmann, David; Schultenkämper, Sergej
    Kleine und mittlere Unternehmen können von KI-Technologien profitieren, indem sie ihre Effizienz und Wettbewerbsfähigkeit steigern. Retrieval-Augmented Generation-Systeme stellen dabei für KMU eine wertvolle Ressource dar, da sie dabei helfen, große Datenmengen systematisch auszuwerten und gezielt relevante Informationen zu extrahieren. Sie versprechen zudem Verbesserungen in der Informationsverarbeitung und zielen darauf ab, Herausforderungen wie niedrige Antwortqualität und Halluzinationen durch LLMs zu mildern, indem sie Dokumente dynamisch abrufen und diese zur Steuerung der Antworten großer Sprachmodelle nutzen. Jedoch gibt es Herausforderungen, die während der Implementierung auftreten können. In dieser Arbeit erörtern wir die Erkenntnisse, die wir durch Fallstudien gewonnen haben, und setzen sie in Bezug zum aktuellen Forschungsstand.
  • Konferenzbeitrag
    On Data Spaces for Retrieval Augmented Generation
    (INFORMATIK 2024, 2024) Hermsen, Felix; Nitz, Lasse; Akbari Gurabi, Mehdi; Matzutt, Roman; Mandal, Avikarsha
    Large Language Models (LLMs) have revolutionized knowledge retrieval from natural language queries. However, LLMs still face challenges regarding the creation of domain-specific and accurate answers. Recently, Retrieval Augmented Generation (RAG) architecture has been proposed as one approach to addressing these challenges. While current research focuses on optimizing document retrieval and augmenting the initial query accordingly, we identify untapped potentials of RAG to retrieve knowledge from heterogeneous data sources via data spaces. In this work, we investigate three conceptual integration scenarios between RAG and data spaces. Our findings indicate that given the data space extended RAG, it could provide domain-specific information retrieval with diverse data sources. However, solutions to mitigate unintended information leakage require further consideration.