ヾ(≧▽≦*)o

music by @fortunato

---

应用场景说明

以Vchart为例，开发一个开源仓库问答机器人。

背景

视频生成实践

依照开源代码部署模型，实现文生视频/图生视频。以下仓库为记录存储几种视频生成方法：

https://github.com/Xandra298/VideoGen

其中，I2VGen-XL和text-to-video-synthesis论文大体介绍如下。

• 运行环境： windows11 CPU 12th Gen Intel(R) Core(TM) i5-12500H 运行内存16G
• Gemma：轻量级LLM
• 基于langchain实现，可视化使用smith.langchain

Setup

What is RAG

• Motivation:
  • challenges when working with LLMs，such as domain knowledge gaps, factuality issues, and hallucination（幻觉）.
  • Retrieval Augmented Generation (RAG) 通过引入外部知识源来增强LLMs以缓解上述问题，augmenting LLMs with external knowledge such as databases.
    • 一个关键的优势是RAG方法不需要为任务特定的应用重新训练LLM
  • RAG can help reduce issues of hallucination or performance when addressing problems in a highly evolving environment.

定义