Зачем мозгу агента нужен плейбук: практические преимущества онтологий
AI Engineer World's Fair 2025
Загружаем страницу…
Граф знаний (knowledge graph) хранит сущности и связи между ними. Здесь доклады о графах знаний, GraphRAG, контекстных графах и онтологиях для агентов.
Спикеры объясняют, когда векторного поиска мало и нужен графовый RAG, как Bridgewater превратила 100 миллионов документов в конкурентное преимущество, зачем агентам онтологии и следы принятия решений. Есть доклады о контекстных графах для объяснимых агентов и о карте 115 микросервисов, которую команда построила для своих агентов для кодинга.
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
GraphRAG - RAG, в котором поиск идёт по графу знаний. Из документов извлекают сущности и связи, а на вопрос достают связанный фрагмент графа. Подход предложили в Microsoft Research. Он помогает, когда ответ разбросан по многим документам.
Граф даёт агенту структуру компании: кто за что отвечает, какие системы связаны, почему принято решение. По тексту документов модель восстанавливает такие связи с ошибками. По графу агент проходит их явно и может объяснить свой ответ.
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
Stephen Chin, Jesús Barrasa, Michael Hunger
AI Engineer World's Fair 2025
Daniel Chalef, Alex Gilmore, Mark Bain, Vasilije Markovic
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025