TRILHA 09
Fundamentos: RAG, prompts e fine-tuning
As técnicas centrais para adaptar LLMs e como escolher entre elas.
5 artigos- 01
Da busca à geração: explorando o poder da geração aumentada por recuperação (RAG)
Imagine que você está conversando com um assistente de IA. Você faz uma pergunta complexa e, em vez de receber uma orientação vaga e genérica, obtém uma resposta detalhada e precisa, fundamentada em fatos do mundo real. O segredo por…
· 5 min de leitura - 02
A arte e a ciência da engenharia de prompts: liberando o potencial dos LLMs
À medida que os grandes modelos de linguagem (LLMs) continuam transformando nosso cenário tecnológico, a engenharia de prompts se consolidou como uma disciplina crucial na interseção entre comunicação humana e inteligência artificial.…
· 6 min de leitura - 03
Fine-tuning de LLMs: um mergulho no fine-tuning por instruções
À medida que navegamos pelo cenário em evolução dos modelos de linguagem, o fine-tuning surgiu como uma técnica fundamental para adaptar essas ferramentas poderosas a necessidades específicas. Com base na minha experiência focada em…
· 4 min de leitura - 04
Escolhendo a abordagem certa: RAG, engenharia de prompts ou fine-tuning
No cenário da IA generativa e dos grandes modelos de linguagem (LLMs), escolher a técnica certa para resolver um problema específico pode parecer desafiador. RAG, engenharia de prompts e fine-tuning são três ferramentas poderosas no seu…
· 4 min de leitura - 05
De RAG a arquiteturas híbridas
O cenário da recuperação de informações nas empresas está evoluindo rapidamente para além das implementações básicas de RAG. Embora a abordagem fundamental de RAG tenha revolucionado como os sistemas de IA acessam e utilizam…
· 3 min de leitura