LLM(Large Language Model) Calendar 2024
https://qiita.com/advent-calendar/2024/llm
Day 6 投稿記事です。

投稿予定の方は、購読ボタンを押してください。よろしくお願いします。
記事をお読みになられたら、Calendarにあってもいいかなって記事には、いいね💚　をお願いします。

RAG

RAG（検索拡張生成）とは | 生成AIとの関係性や仕組み、活用事例を紹介
https://qiita.com/skillup_ai/items/e4494f5c2409fd8b7bb4

RAGをはじめるならここから（仕組みを図解、超入門）
https://qiita.com/Kahiro/items/56545a93bb99d8bdd8e3

最近話題になっている「Self-RAG」について説明します
https://qiita.com/xxyc/items/3228d9e428cad44342b4

あなたのRAGは、回答型？それとも検索型？
https://qiita.com/shyamagu/items/98fe60f6f81b744b97b1

従来RAGを超える！エンティティ知識グラフで質問応答を革新するGraph RAG
https://qiita.com/kernelian/items/d13747b78e97ae8fc0da

【サーベイ論文まとめ】RAG(Retrieval-Augmented Generation)
https://qiita.com/LiberalArts/items/121a846cc59098812c77

『Retrieval-Augmented Generation for Large Language Models: A Survey
https://arxiv.org/abs/2312.10997v5

Agentic RAG: Integrating Intelligence into Retrieval-Augmented Generation
https://qiita.com/jhonsnow/items/079e3cba8967f8621c1d

Agentic RAG Explained: What You Need to Know
https://markovate.com/agentic-rag/

langchainとDatabricksで(私が)学ぶRAG : シリーズ一覧 & 準備編
https://qiita.com/isanakamishiro2/items/66411e1443cf78a2c1e8

Databricks生成AIクックブック - 3. RAG品質のノブ
https://qiita.com/taka_yayoi/items/c5d63ebe767ec9833464

Dataikuを利用したRAGシステム開発について、知っておいた方が良い情報
https://qiita.com/TsuyoshiK7/items/f8703d2398ba1dbed806

FlowiseAIを使って、複数のRAGからAgentを使ってよしなにデータを取り出す
https://qiita.com/oggata/items/11132831136d40127498

Amazon BedrockにCohere Command R と Command R+ が来たよ！RAGがすげーよ！
https://qiita.com/moritalous/items/16797ea9d82295f40b5e