Karpathy의 설정은 RAG 없이 LLM 쿼리를 위한 40만 단어 규모의 연구 지식 기반을 유지합니다. 소스 파일을 raw/ 폴더에 넣습니다. LLM을 사용하여 소스 파일을 링크된 마크다운으로 변환합니다. 요약, 개념 및 백링크를 추가합니다. Obsidian에서 확인합니다. LLM을 사용하여 위키에 질문합니다. 메모, 슬라이드 또는 차트를 생성합니다. 이러한 출력물을 다시 위키에 반영합니다. 누락된 부분과 오류를 검사합니다.
이 기사는 기계로 번역되었습니다
원문 표시
Andrej Karpathy
@karpathy
LLM Knowledge Bases
Something I'm finding very useful recently: using LLMs to build personal knowledge bases for various topics of research interest. In this way, a large fraction of my recent token throughput is going less into manipulating code, and more into manipulating
Twitter에서
면책조항: 상기 내용은 작자의 개인적인 의견입니다. 따라서 이는 Followin의 입장과 무관하며 Followin과 관련된 어떠한 투자 제안도 구성하지 않습니다.
라이크
즐겨찾기에 추가
코멘트
공유
