El título completo de esta presentación es Potenciando la generación aumentada usando recuperación con grafos de conocimiento
La presentación se encuentra aquí.
El notebook presentado puede encontrarse aquí.
Para correr el notebook, se instalan los requeriments.txt:
pip install -r requirements.txt
Se debe instalar también llama-cpp-python y la instalación dependerá de la utilización o no de GPUs. En el caso más simple (sin GPUs):
pip install llama-cpp-python
Sino, seguir estas instrucciones.
Esta presentación se llevó a cabo el 9 de diciembre de 2024.
El abstract de la presentación es:
Los gráficos de conocimiento son excelentes para representar y almacenar información heterogénea e interconectada de manera estructurada, capturando de manera eficaz relaciones y atributos complejos en diferentes tipos de datos. La generación de texto estructurado permite crear gráficos de conocimiento al proporcionar resultados perfectamente estructurados, lo que lo convierte en un método ideal para extraer información estructurada. De manera similar, la generación de texto estructurado permite la creación de agentes al definir qué herramientas están permitidas y qué entradas de acción están permitidas. En esta charla, primero construimos una base de datos de gráficos a partir de datos no estructurados y luego creamos un agente para consultar la base de datos de gráficos.