RAG의 정의, Advanced RAG와 RAG의 차이점, Reranker 설명과 llamaindex에서의 활용 예시
llamaindex에서 agent와 tool 이해하기
Function Calling LLM의 정의와 JSON, Pydantic의 차이 설명
LlamaIndex로 Agentic RAG 만들기 (강의요약) - 0. Introduction
LlamaIndex로 Agentic RAG 만들기 (강의요약) - 1. Router Query Engine
LlamaIndex로 Agentic RAG 만들기 (강의요약) - 2. Tool(도구) 호출하기
LlamaIndex로 Agentic RAG 만들기 (강의요약) - 3. 에이전트 추론 루프 만들기
LlamaIndex로 Agentic RAG 만들기 (강의요약) - 4. 여러 개의 문서 에이전트 활용하기
Reranker 소개 (필요성, Cohere Reranker, RankGPT (RankLLM), HuggingFace Cross Encoder 설명 및 Langchain 구현 코드)
프롬프트 압축 기법 LLMLingua 소개 (논문 및 방법론, Langchain 구현 코드, 한국어 성능 실험 결과)
쿼리 대신 가상의 문서 벡터로 문서를 검색하는 HyDE 소개, Langchain 구현 코드
Advanced RAG 테크닉: CRAG (Corrective RAG) 논문 정리 및 Langchain 코드 설명
Advanced RAG 테크닉: Self-RAG 논문 정리 및 Langchain 구현 코드 일부 설명
쿼리의 복잡도를 기반으로 검색 전략을 선택하는 Adaptive RAG
여러 개의 컨텍스트를 활용해 답변하는 multi-hop 쿼리를 위한 벤치마크 데이터셋, MultiHop-RAG
RAG에 개체 정보를 포함하는 Tree-RAG
문서를 재귀적, 계층적으로 요약해 긴 문맥정보를 언어모델 응답 생성에 활용하도록 하는 RAPTOR Rag 방법론 설명