LLM（Large Language Model）大模型的可观测性是指对模型内部运行过程的理解和监控能力。由于LLM大模型通常具有庞大的参数量和复杂的网络结构，因此对其内部状态和运行过程的理解和监控是一个重要的问题。什么是 LangChain？LangChain 是一个开源的应用开发框架，旨在将大型语言模...(more)

@wangzk0206数据库管理员, scrcu 可以基于开源LLM模型，例如 GPT-3 或 LaMDA进行构建。目前可应用于可观测性方面，例如，容量规划、故障诊断、告警响应等。当然也可以用于知识管理、及自动化方面。...(more)

近来 NebulaGraph 社区在 LLM + Graph 和 Graph RAG 领域进行了深入的探索和分享。在 LlamaIndex 和 LangChain 中，NebulaGraph 引入了一系列知识图谱和图存储工具，支持编排、图谱与大模型间的交互。之前，NebulaGraph 布道师古思为作为这项工作的主要贡献者已向大家详细介绍...(more)

在选择适合您业务场景的语言模型（LLM）时，可以考虑基于微调开源模型和检索增强生成（RAG）的方法。 像 Llama2 这样的开源 LLM 会根据客户的语料库进行微调。这使得经过微调的模型能够内化和理解客户的特定领域，从而无需额外的上下文即可回答问题。 解决该问题的第二种方法是检索...(more)

自 LLM 系列文章[ 《知识图谱驱动的大语言模型 Llama Index》 、《Text2Cypher：大语言模型驱动的图查询生成》 、《Graph RAG: 知识图谱结合 LLM 的检索增强》 陆续和大家见面，以及《夜谈 LLM》 ]主题直播同大家交流一番 LLM 和知识图谱、图数据库之后，在上周 NebulaGraph ...(more)

本文为大家揭示 NebulaGraph 率先提出的 Graph RAG 方法，这种结合知识图谱、图数据库作为大模型结合私有知识系统的最新技术栈，是 LLM+ 系列的第三篇，加上之前的图上下文学习、Text2Cypher 这两篇文章，目前 NebulaGraph + LLM 相关的文章一共有 3 篇。## Graph RAG在 第一篇...(more)

话接上文[《图技术在 LLM 下的应用：知识图谱驱动的大语言模型 Llama Index》]同大家简单介绍过 LLM 和图、知识图谱相关的结合，现在我来和大家分享下最新的成果。毕竟，从 GPT-3 开始展现出超出预期的 “理解能力 “开始，我一直在做 Graph + LLM 技术组合、互补的研究、探索和...(more)

LLM + Graph本文整理自 NebulaGraph 布道师 wey 在「夜谈 LLM」主题分享上的演讲，主要包括以下内容：背景LLMRAGGraph知识抽取Text2CypherGraph RAG未来规划技术背景LLM 是什么这里简单、快速地介绍下大语言模型：从 GPT-2 开始，到后来流行的 GPT-3，人们逐渐意识到语言模型达到...(more)

本文整理自社区用户陈卓见在「夜谈 LLM」主题分享上的演讲，主要包括以下内容：利用大模型构建知识图谱利用大模型操作结构化数据利用大模型使用工具利用大模型构建知识图谱上图是之前，我基于大语言模型构建知识图谱的成品图，主要是将金融相关的股票、人物、涨跌幅之类的基金信...(more)

LLM 如火如荼地发展了大半年，各类大模型和相关框架也逐步成型，可被大家应用到业务实际中。在这个过程中，我们可能会遇到一类问题是：现有的哪些数据，如何更好地与 LLM 对接上。像是大家都在用的知识图谱，现在的图谱该如何借助大模型，发挥更大的价值呢？在本文，我便会和大家分享下如...(more)