Geeta GPT
Geeta GPT est une application AI avancée construite à l'aide de la génération (RAG) de la récupération (RAG). Il exploite les capacités puissantes des modèles de grande langue pour fournir des réponses perspicaces et précises basées sur le contenu riche de la Bhagavad Gita.
Les modèles de grands langues (LLM) sont comme des étudiants qui excellent à imiter ce qu'ils ont enseigné. Leurs données de formation sont leur manuel, et ils deviennent très bons pour suivre les modèles qu'ils voient là-bas. Cependant, cela peut limiter leur compréhension. Ils ne peuvent pas vraiment raisonner ou appliquer des connaissances en dehors de ce à quoi ils ont été exposés.
C'est pourquoi nous utilisons des techniques telles que la génération (RAG) (RAG) de la récupération pour élargir leurs connaissances. C'est comme leur donner accès à une bibliothèque géante! RAG permet aux LLM de consulter des documents externes lors de la réponse, en les aidant à fonder leurs réponses dans des informations réelles et à la réduction des faits inventés.
Pipeline
Démo
Commencer
- Cloner le référentiel
git clone https://github.com/rushidarge/Geeta-GPT.git
cd Geeta-GPT
- Installer des dépendances
pip install -r requirements.txt
- Ajoutez une touche API dans le fichier app.py sur vous avez besoin d'une clé API Gemini, qui est disponible gratuitement. Obtenez le vôtre en cliquant ici.
os.environ["GOOGLE_API_KEY"] = "Your API key"
- Exécuter l'application
Usage
- Posez des questions: tapez vos questions sur la Bhagavad Gita et recevez des réponses perspicaces.
- Explorez les enseignements: approfondir les enseignements et les versets spécifiques de la Gita.
- Guide personnelle: utilisez l'application pour la réflexion et les conseils personnels basés sur la sagesse de Gita.
Limites
Les applications de génération (RAG) (RAG) de la récupération, bien que puissantes, ont certaines limites
- Raisonnement limité: Rag se débat avec le raisonnement itératif. Il récupère des informations basées sur la similitude mais ne peut pas évaluer si elle est vraiment pertinente pour la tâche.
- Problèmes d'évolutivité: les grands ensembles de données peuvent submerger les méthodes de récupération de RAG, en particulier avec des techniques comme les voisins K-Dearest (KNN).
- Dépendance des données: la qualité des informations récupérées a un impact direct sur la sortie de Rag. Les biais ou les inexactitudes dans les données peuvent conduire à des réponses peu fiables.
- Défis avec de grands ensembles de données: stocker et traitement des ensembles de données massifs peut être difficile pour le chiffon, ce qui a un impact sur la vitesse et la précision de la récupération.
Portée future
Les capacités de Geeta GPT ne se limitent pas à la Bhagavad Gita . L'architecture peut être étendue pour travailler avec n'importe quel document ou PDF basé sur le texte, ouvrant une gamme de possibilités:
- Développez-vous à d'autres textes religieux: adaptez le système pour fournir des informations d'autres textes religieux ou philosophiques.
- Documents académiques: Aider à comprendre et à résumer les articles universitaires ou les documents de recherche.
- Manuels techniques: apportez un support pour la documentation technique et les manuels, ce qui facilite la recherche d'informations spécifiques.
- Documents juridiques: améliorer la compréhension et l'accessibilité des textes et contrats juridiques.
Licence Ce projet est autorisé en vertu de la licence MIT - voir le fichier de licence pour plus de détails.
Bibliographie
- Modèle LLM: https://gemini.google.com/
- Tutoriels: https://medium.com/
