HomeTags#retrieval

Tag timeline

#retrieval 4 total

同じキーワードで束ねられた更新を確認できます。カテゴリをまたいだ関連ニュースや実装トピックの追跡に使えます。

Total 4
Showing 4
Page 1/1
Updated 3h ago

Entries page 1/1 · 4 total

Wed, May 27 2 entries
paper research 1mo ago · arxiv-cs-cl

検索拡張生成のためのIn-Context最適化:勾配降下法の視点 In-Context Optimization for Retrieval-Augmented Generation: A Gradient-Descent Perspective

重要度 Medium Medium priority 重要度 Medium · 論文/研究 · Papers / Benchmarks Medium priority · paper/research · Papers / Benchmarks 公開 5月27日 Published May 27

AI要約 In-context learningを線形自己注意モデルの暗黙的勾配降下とみなす理論に基づき、RAGの文脈選択を最適化問題として再定式化した研究。検索文書の質が学習効果を左右する仕組みを理論的に説明する。

EN Recasts RAG context selection as an in-context optimization problem, linking it to implicit gradient descent in self-attention, to theoretically explain how retrieved documents steer model behavior.

In-Context Optimization for Retrieval-Augmented Generation: A Gradient-Descent Perspective og fallback
blog tech-news 1mo ago · meta-engineering

SilverTorch: Index as Model — レコメンデーションシステムの新しい検索パラダイム SilverTorch: Index as Model — A New Retrieval Paradigm for Recommendation Systems

重要度 Medium Medium priority 重要度 Medium · 技術記事 · Industry & Policy Medium priority · technical post · Industry & Policy 公開 5月27日 Published May 27

AI要約 Metaが推薦システムの検索コンポーネントを統一アーキテクチャに統合する新パラダイム「SilverTorch」を発表。インデックス自体をモデルとして扱い、ユーザー生成コンテンツの検索で最大23.7倍の性能向上を実現する。

EN Meta unveiled SilverTorch, an "index as model" paradigm that unifies all retrieval components for user-generated content into a single architecture, delivering up to 23.7x performance gains for recommendation systems.

fallback
Fri, May 15 1 entries
NEW blog local-llm 1mo ago · huggingface-blog

IBM Granite Embedding Multilingual R2、32K対応の小型多言語埋め込み Granite Embedding Multilingual R2: Open Apache 2.0 Multilingual Embeddings with 32K Context — Best Sub-100M Retrieval Quality

重要度 Medium Medium priority 重要度 Medium · 技術記事 · Local LLM / Open Models Medium priority · technical post · Local LLM / Open Models 公開 5月15日 Published May 15

AI要約 IBMがApache 2.0で公開した「Granite Embedding Multilingual R2」は、100M未満のパラメータながら32Kトークンの長文と12言語に対応し、同規模帯で最高水準の検索品質を達成した。RAG用途に有用だ。

EN IBM released Granite Embedding Multilingual R2 under Apache 2.0: a sub-100M-parameter model supporting 12 languages and 32K-token context, delivering best-in-class retrieval quality for its size, ideal for RAG.

Granite Embedding Multilingual R2: Open Apache 2.0 Multilingual Embeddings with 32K Context — Best Sub-100M Retrieval Quality og fallback
Thu, Apr 16 1 entries
NEW blog local-llm 2mo ago · huggingface-blog

Sentence Transformersでマルチモーダル埋め込み・再ランカーを学習 Training and Finetuning Multimodal Embedding & Reranker Models with Sentence Transformers

重要度 Medium Medium priority 重要度 Medium · 技術記事 · Local LLM / Open Models Medium priority · technical post · Local LLM / Open Models 公開 4月16日 Published Apr 16

AI要約 Hugging FaceがSentence Transformersを使い、テキストと画像を扱うマルチモーダル埋め込み・再ランカーモデルを学習・微調整する手順を解説。CLIP系を基盤に損失関数選定、データ準備、評価まで実践的に網羅し、画像検索の構築を後押しする。

EN Hugging Face details how to train and finetune multimodal embedding and reranker models with Sentence Transformers, covering CLIP-based backbones, loss functions, data prep, and evaluation to enable text-image retrieval.

fallback