Logo des Repositoriums
 
Konferenzbeitrag

Lektionen und Anwendungsfälle aus der Implementierung von Retrieval-Augmented-Generation-Systemen

Lade...
Vorschaubild

Volltext URI

Dokumententyp

Text/Conference Paper

Zusatzinformation

Datum

2024

Zeitschriftentitel

ISSN der Zeitschrift

Bandtitel

Verlag

Gesellschaft für Informatik e.V.

Zusammenfassung

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.

Beschreibung

Bäumer, Frederik Simon; Brandt-Pook, Hans; Matutat, André; Maoro, Falk; Pelkmann, David; Schultenkämper, Sergej (2024): Lektionen und Anwendungsfälle aus der Implementierung von Retrieval-Augmented-Generation-Systemen. INFORMATIK 2024. DOI: 10.18420/inf2024_146. Bonn: Gesellschaft für Informatik e.V.. ISSN: 2944-7682. PISSN: 1617-5468. EISSN: 2944-7682. ISBN: 978-3-88579-746-3. pp. 1681-1689. Künstliche Intelligenz im Mittelstand / KI-KMU2024. Wiesbaden. 24.-26. September 2024

Zitierform

Tags