LlamaIndex 时事通讯 2024–01–16

各位 LlamaIndex 爱好者 🦙 大家好，

准备迎接 LlamaIndex 激动人心的一周吧！这里汇集了充满活力的社区贡献和富有洞察力的学习资源。深入了解我们的一系列新功能、教程、指南和活动，它们都旨在丰富您的 LlamaIndex 之旅。

我们很高兴地宣布，我们的首次线下黑客马拉松将于 2 月 2 日至 4 日举行。加入我们，与 RAG 爱好者们交流，争夺总价值超过 4,000 美元的奖品！

如果您一直在进行一个引人入胜的项目、撰写了一篇富有洞察力的文章或制作了一段引人入胜的视频，我们都非常期待看到！请将您的贡献发送至 news@llamaindex.ai 与我们分享。别忘了在我们的网站上订阅我们的时事通讯，以便直接在您的收件箱中收到所有最新更新。

🤩 亮点：

1. Chain-of-Table：逐步进行的表格推理和操作，增强 LLM 对表格数据的理解。LlamaPack，推文。
2. LLM 自洽性：结合文本和符号推理，通过多数投票获得精确答案。LlamaPack，推文。
3. RAG 中的语义文本分割：Greg Kamradt 的嵌入相似度方法，用于高效分割文档。LlamaPack，推文。
4. 并行 RAG 摄取：LlamaIndex 中文档处理速度提高多达 15 倍。Notebook，推文。
5. TogetherAI 嵌入支持：使用 MistralAI 的 8x7b 模型和 TogetherAI 嵌入构建检索增强应用的指南。博客文章 ，推文。

✨ 功能发布与增强

• 我们在 LlamaPack 中推出了 Chain-of-Table 框架，用于增强 LLM 对表格数据的理解。这种方法支持逐步进行的表格推理和操作，例如添加列、行选择、分组和排序，模拟数据科学家表示简洁数据的方法。LlamaPack，推文。
• 我们在 LlamaPack 中推出了针对表格数据的 LLM 自洽性机制。该方法结合了文本和符号推理，采用新颖的混合自洽性方法，并通过多数投票选择最佳答案。LlamaPack，推文。
• 我们在 LlamaPack 中引入了 RAG 的语义文本分割。了解 Greg Kamradt 基于句子间嵌入相似度分割文档的方法。这种自动调整阈值的方法增强了 RAG 管道，很快将通过 LlamaIndex 抽象在 LlamaPack 中提供。LlamaPack，推文。
• 我们在 LlamaIndex 中推出了并行 RAG 摄取功能，使文档处理速度提高多达 15 倍。Notebook，推文。
• 我们推出了对 TogetherAI 嵌入端点的支持。查看博客，获取使用 MistralAI 的 8x7b 模型和 TogetherAI 嵌入创建检索增强生成应用的逐步指南。博客文章 ，推文。
• 我们将 AgentSearch-v1 集成到 LlamaHub 作为数据加载器和检索器，为互联网内容搜索/检索提供了强大的替代方案，无需依赖 Bing/Google API。LlamaPack，推文。
• Raduaschl 在 LlamaPack 中介绍了高级 RAG 的集成与融合（Ensembling and Fusion）。学习如何使用 QueryPipeline 语法，用大约 30 行代码构建一个集成 + 融合管道，支持完整的异步功能。LlamaPack，推文。

🗺️ 指南

• 使用 LlamaIndex 和 Azure Cosmos DB 构建全栈 RAG 应用指南。
• 展示如何将半结构化检索的自动检索（包含元数据）与 MMR 结合以确保结果多样性的指南。
• 由MountainMicky 编写的关于理解高级 RAG 管道中重排序重要性的指南。

✍️ 教程

• Andrej Baranovskij 关于使用 LlamaIndex 和 Pydantic 将发票数据转换为 JSON 的教程。
• NVIDIA 关于使用 LlamaIndex 和 NVIDIA 在 Windows 上运行本地 LLM 构建 AI 应用的教程
• Harshad Suryawanshi 关于 AI 语音助手：使用 LlamaIndex 和 GPT3.5 增强 AI 可访问性的教程。

🎥 活动

• Ravi Theja 在印度班加罗尔的 FOSS United 发表了关于使用 LlamaIndex 和 Qdrant 构建多租户 RAG 系统的演讲。

🏢 呼叫所有企业用户

您正在使用 LlamaIndex 进行开发吗？我们正在努力使 LlamaIndex 更加适合企业级应用，并为合作伙伴提供了即将推出的产品的预告。感兴趣吗？与我们联系。