· AI Engineer World's Fair 2025
Данные — ваше конкурентное преимущество: создание безопасных и адаптированных ИИ-систем
Data is Your Differentiator: Building Secure and Tailored AI Systems
Качество генеративного приложения определяют собственные данные компании, а не выбор модели: в RAG-стеке на Amazon Bedrock главное — подготовка данных, поиск и оценка.
- Chunking и поиск — стратегия chunking влияет на точность ответов. Knowledge Bases дают иерархический и semantic chunking, а
Retrieveпринимает hybrid search параметром, без собственного кода. - Reranking и декомпозиция запроса —
RetrieveAndGenerateвключает reranking и query decomposition через параметры, что нужно для сложных вопросов. - Semantic cache и логи — кэш по смыслу вопроса, а не по точной формулировке, экономит вызовы модели и снижает задержку. Логируются запросы, результаты retrieval и ответы.
- Оценка контекста до генерации — спикер советует сначала проверять context relevance и только потом передавать найденное в модель. После каждого изменения нужен автоматический тестовый набор.
Кому полезно: тем, кто строит RAG-приложения по внутренним документам компании и хочет понять, где теряется качество до выбора модели.
Статья по теме
Главы
Похожие доклады
Как закрепить Enterprise GenAI с помощью графов знаний
AI Engineer Summit 2025
Близко по содержанию
Не испытывайте дефицита данных
AI Engineer World's Fair 2026
Близко по содержанию
Эффективные гибридные запросы к контексту для grounding LLM
AI Engineer Summit 2023
Близко по содержанию
RAG в масштабе: готовые к production GenAI-приложения с Azure AI Search
AI Engineer World's Fair 2024
Близко по содержанию

