랭체인의 핵심, Retrieval-Text Embeddings

[@miho-storylife]

모두의AI 좋은 강의 감사합니다. 최고중에 최고입니다.

[@damii0714]

이렇게 질좋은 강의를 무료로 제공해주셔서 감사합니다!!

[@AI-km1yn]

좋은 말씀 감사합니다 🥰

[@tosi2519]

고급 강의 항상 감사합니다

[@pd7225]

이해가 잘됩니다! 감사합니다.

[@박정철-n7c]

좋은 내용 감사합니다!!

[@rnflghfld3320]

좋은 내용 공유해주셔서 감사합니다

[@AI-km1yn]

시청해 주셔서 감사드립니다.

[@itpe_exercise]

정말 큰 도움 되었습니다😊

[@이경구-g7t]

감사합니다

[@AI-km1yn]

시청해 주셔서 감사드립니다.

[@epik1859]

좋은 강의 감사합니다. 혹시 강의 안에서 언급된 허깅페이스에 있는 한국어 임베딩 리더보드 주소 알려주실 수 있나요?

[@AI-km1yn]

huggingface.co/spaces/upstage/open-ko-llm-leaderboard 여깁니다!

[@restful3]

강의 감사히 보고 있습니다. 영상 9:39 에 api_key가 노출 되어 있습니다. 이미 처리 하셨겠지만 걱정이 되어 남깁니다.

[@AI-km1yn]

네 말씀주신것처럼 이미 삭제한 키입니다. 걱정해주셔서 감사합니다🙏

[@JordanKim-b7s]

너무 섹시해요...

[@mmetm812]

안녕하세요 랭체인 과정 잘 듣고있습니다 ㅎㅎ 강의를 듣고 문서나 텍스트집을 요약하는 기능을 랭체인으로 만들어보고 싶은데 RAG는 질문과 유사한 텍스트를 가쟈와 답변을 하는 거라 요약으로 보긴 어려울 거 같아요 혹시 다른 방법 있을까요?

[@AI-km1yn]

load_summarize_chain이라는 요약 전용 체인이 있습니다. 아래 링크 확인해보시면 도움 될 것 같습니다. python.langchain.com/docs/use_cases/summarization

[@minnhohoho]

이번 강의 colab 코드 공유 요청드리고 싶습니다

[@AI-km1yn]

커뮤니티에 올려두었습니다!

[@nbright3700]

좀 더 잘 알게 되어서 감사합니다. 근데 저는 한글 임베딩 모델에서 똑같이 했지만. 여전히 유사도가 제대로 안나옵니다. 질문: 홍길동은 아버지를 아버지라 부르지 못하였습니다. 홍길동 아버지의 이름은 무엇입니까? ---------------------------------------------------------------------------------------------------- 홍길동의 아버지는 엄했습니다. 문장유사도: 0.81 제 이름은 홍길동입니다. 문장유사도 0.54 랭체인은 유용합니다. 문장유사도 0.23 홍길동 아버지의 이름은 홍상직입니다. 문장유사도 0.61 ===================================아래 코드================================= 코드가 틀렸는지 다시 한번 해봐야 할 것 같습니다. sentences=[ "안녕하세요", "제 이름은 홍길동입니다.", "이름이 무엇인가요?", "랭체인은 유용합니다.", "홍길동 아버지의 이름은 홍상직입니다." ] ko_embeddings = ko.embed_documents(sentences) q ="홍길동은 아버지를 아버지라 부르지 못하였습니다. 홍길동 아버지의 이름은 무엇입니까?" a = "홍길동의 아버지는 엄했습니다." ko_query_q = ko.embed_query(q) ko_query_a = ko.embed_query(a) print("질문: {} ".format(q),"-"*100) print("{} \t\t 문장유사도: ".format(a), round(cos_sim(ko_query_q, ko_query_a),2)) print("{}\t\t\t 문장유사도".format(sentences[1]), round( cos_sim(ko_query_q, ko_embeddings[1]),2)) print("{}\t\t\t 문장유사도".format(sentences[3]), round( cos_sim(ko_query_q, ko_embeddings[3]),2)) print("{}\t 문장유사도".format(sentences[4]), round( cos_sim(ko_query_q, ko_embeddings[4]),2))

[@jeongjunahn4555]

다른 임베딩 모델 사용하신거 아닌가요?

[@brownd3397]

영상에서도 잘 나와있듯이 HuggingFaceBgeEmbeddings가 아니라 HuggingFaceEmbeddings로 embedding model을 가지고 오셔야 합니다. 저도 동일한 문제가 있었는데, 이렇게 해야 제대로 동작하네요 :)

[@danny04278]

궁금한게 허깅페이스나 openai는 임베딩 모델인데 sbert같은건 허깅페이스 기반 임베딩 모델인가요? 번역기라고 보면되나요?

[@AI-km1yn]

허깅페이스는 오픈소스 모델을 공유하는 플랫폼입니다 sbert는 한국어 오픈소스 임베딩 모델로, 허깅페이스에서 끌어다 쓸 수 있습니다.

[@김태규-m3i]

혹시 rag를 사용해서 정해진 단어카드들의 배열로만 답변을 하는 시스템을 만들 수 있을까요? 단어카드들은 모두 embedding되어있는 상태에서 질문과 유사성을 비교해서 답변할만한 단어카드를 골라서 답변하는 것을 생각해봤는데 이론상 가능한건지 여쭤보고 싶어요..

[@AI-km1yn]

네, 단어카드를 임베딩 하셔서 RAG에 그대로 활용하시면 됩니다. 대신 RAG 프롬프트 템플릿을 조금 수정하시면 되겠습니다.

[@mark_twain_white]

수업내용이 매우 만적스럽습니다만, colab이 잘 보이지 않습니다. TT

[@AI-km1yn]

이런...ㅠㅠ 이번 주말에 올릴 영상은 최대한 잘 보이게 확대해서 녹화해보겠습니다