Toutes les news taguées avec ce sujet.
QASP réduit la variance et le coût de la recherche vectorielle en adaptant dynamiquement les paramètres pour atteindre le rappel cible.
Une nouvelle architecture à deux niveaux sépare le raisonnement structurel global de la vérification locale pour améliorer le Multimodal RAG.
AskChem transforme la recherche documentaire en extraction de faits vérifiables pour l'analyse chimique.
Une méthode légère à un seul embedding entraîné améliore la récupération de tokens visuels pertinents, avec des gains mesurables sur plusieurs benchmarks image et vidéo.
Un système hybride LLM/SLM étend la recherche au-delà du match strict pour révéler produits substituts et complémentaires en e-commerce.
Deux modèles de retrieval de 149M et 307M paramètres, open-source et performants sur BEIR, exploitant la méthode translate-train.
Une analyse empirique montre l'impact croissant de ChatGPT, Perplexity et Gemini sur le trafic vers les bibliothèques universitaires.
Le modèle embedding de NVIDIA domine le benchmark RTEB, boostant les capacités de retrieval pour les agents IA.
Les indices spectraux ne prédisent pas l'apport du contexte. Étude sur les limites du spectre pour les modèles de fondation.
DynaKRAG introduit une politique apprise pour orchestrer dynamiquement les opérations de récupération de preuves dans les systèmes RAG multi-sauts.
Kapa.ai détaille sa méthode pour réduire le contexte injecté dans un pipeline RAG, en supprimant les passages superflus avant la génération.
Des chercheurs montrent que la magnitude des embeddings, pourtant ignorée par la similarité cosinus, capture naturellement des propriétés sémantiques clés.