In this video conference promoted by CERSTE, Professor Luca Mari discusses Retrieval-Augmented Generation (RAG), a technology for improving the responses of artificial intelligence models. RAG works by transforming questions into numerical vectors through a technique called embedding, and then retrieving relevant documents from a vector database. The idea is that the answer is enriched with relevant information from the retrieved documents. Embedding at the token and sentence level is also discussed, emphasizing the importance of semantics and word relationships in natural language. Four strategies for training and integrating language models are outlined, with the goal of applying specific knowledge, such as financial methodologies, in an efficient and controlled manner. Ethical and accuracy aspects of response generation are also highlighted.
Watch the event in full below (conference held in Italian):
TESTO IN ITALIANO
In questa videoconferenza organizzata da CERSTE, il professor Luca Mari affronta il tema della Retrieval-Augmented Generation (RAG), una tecnologia per migliorare le risposte dei modelli di intelligenza artificiale. RAG funziona trasformando le domande in vettori numerici attraverso una tecnica chiamata embedding, per poi recuperare documenti rilevanti da un database vettoriale. L’idea è che la risposta sia arricchita con informazioni pertinenti provenienti dai documenti recuperati. Si discute anche di embedding a livello di token e di frasi, sottolineando l’importanza della semantica e delle relazioni tra le parole nel linguaggio naturale. Vengono illustrate quattro strategie per l’addestramento e l’integrazione di modelli linguistici, con l’obiettivo di applicare conoscenze specifiche, come metodologie finanziarie, in modo efficiente e controllato. Si evidenziano anche aspetti etici e di accuratezza nella generazione delle risposte.
Guardate l’evento per intero qui sotto (conferenza condotta in italiano):
