Blog on LlamaIndex
·
LlamaIndex 新闻通讯 2023年12月19日
💡
原文英文，约900词，阅读约需4分钟。
📝
内容提要
本周，LlamaIndex推出了与Google Gemini的合作，支持Gemini API，增强了RAG能力。同时，推出了MistralAI集成、COVID-QA数据集和多模态模板，提升了问答性能，并发布了多个指南和教程，帮助用户优化RAG工作流程。
🎯
关键要点
- LlamaIndex与Google Gemini合作，推出Gemini API的支持，增强了RAG能力。
- 推出了与MistralAI的集成，支持构建RAG解决方案。
- 发布了COVID-QA数据集，包含300多个关于COVID的问答对，便于RAG管道的集成。
- 推出了新的多模态模板，支持图像输入和输出生成，扩展了使用案例的可能性。
- 引入了基于命题的检索单元，提升了与LLM的问答性能。
- 与Docugami合作推出了Multi-Doc SEC 10Q数据集，提供多种问题复杂度以支持RAG评估。
- 发布了多个指南和教程，帮助用户优化RAG工作流程。
❓
延伸问答
LlamaIndex与Google Gemini的合作有什么新功能？
LlamaIndex推出了对Gemini API的支持，增强了RAG能力，并提供了全面的食谱以支持高级RAG功能。
COVID-QA数据集包含哪些内容？
COVID-QA数据集包含300多个关于COVID的问答对，便于集成到RAG管道中。
MistralAI的集成对RAG解决方案有什么影响？
MistralAI的集成支持构建RAG解决方案，提升了LlamaIndex的功能。
LlamaIndex推出了哪些新的多模态模板？
LlamaIndex推出了新的多模态模板，支持图像输入和输出生成，扩展了使用案例的可能性。
如何优化RAG工作流程？
LlamaIndex发布了多个指南和教程，帮助用户优化RAG工作流程，包括模块如路由和查询重写。
什么是基于命题的检索单元？
基于命题的检索单元是一种新实现，旨在提升与LLM的问答性能，通过索引命题并链接到基础文本。
➡️
