Translations:FACTS About Building Retrieval Augmented Generation-based Chatbots/73/fr

(1) Langchain. https://github.com/langchain-ai.
(2) Achiam, J., Adler, S., Agarwal, S., Ahmad, L., Akkaya, I., Aleman, F. L., Almeida, D., Altenschmidt, J., Altman, S., Anadkat, S., et al. Rapport technique GPT-4. arXiv preprint arXiv:2303.08774 (2023).
(3) Barnett, S., Kurniawan, S., Thudumu, S., Brannelly, Z., et Abdelrazek, M. Sept points de défaillance lors de l'ingénierie d'un système de génération augmentée par récupération. arXiv preprint arXiv:2401.05856 (2024).
(4) Es, S., James, J., Espinosa-Anke, L., et Schockaert, S. Ragas : Évaluation automatisée de la génération augmentée par récupération. arXiv preprint arXiv:2309.15217 (2023).
(5) Galitsky, B. Développement de chatbots d'entreprise. Springer, 2019.
(6) Glantz, W. 12 points de douleur RAG et solutions proposées.
(7) Jiang, Z., Xu, F. F., Gao, L., Sun, Z., Liu, Q., Dwivedi-Yu, J., Yang, Y., Callan, J., et Neubig, G. Génération augmentée par récupération active. arXiv preprint arXiv:2305.06983 (2023).
(8) Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., Küttler, H., Lewis, M., Yih, W.-t., Rocktäschel, T., et al. Génération augmentée par récupération pour les tâches NLP intensives en connaissances. Advances in Neural Information Processing Systems 33 (2020), 9459–9474.
(9) Liu, J. LlamaIndex. https://github.com/jerryjliu/llama_index(2022).
(10) Liu, M., Ene, T.-D., Kirby, R., Cheng, C., Pinckney, N., Liang, R., Alben, J., Anand, H., Banerjee, S., Bayraktaroglu, I., et al. Chipnemo : LLMs adaptés au domaine pour la conception de puces. arXiv preprint arXiv:2311.00176 (2023).
(11) Madaan, A., Tandon, N., Gupta, P., Hallinan, S., Gao, L., Wiegreffe, S., Alon, U., Dziri, N., Prabhumoye, S., Yang, Y., et al. Auto-affinage : Affinage itératif avec auto-feedback. Advances in Neural Information Processing Systems 36 (2024).
(12) Mialon, G., Dessì, R., Lomeli, M., Nalmpantis, C., Pasunuru, R., Raileanu, R., Rozière, B., Schick, T., Dwivedi-Yu, J., Celikyilmaz, A., et al. Modèles de langage augmentés : une enquête. arXiv preprint arXiv:2302.07842 (2023).
(13) Rebedea, T., Dinu, R., Sreedhar, M., Parisien, C., et Cohen, J. Nemo guardrails : Un kit d'outils pour des applications LLM contrôlables et sûres avec des rails programmables. arXiv preprint arXiv:2310.10501 (2023).
(14) Saad-Falcon, J., Khattab, O., Potts, C., et Zaharia, M. Ares : Un cadre d'évaluation automatisé pour les systèmes de génération augmentée par récupération. arXiv preprint arXiv:2311.09476 (2023).
(15) Setty, S., Jijo, K., Chung, E., et Vidra, N. Amélioration de la récupération pour les modèles de réponse aux questions basés sur RAG sur les documents financiers. arXiv preprint arXiv:2404.07221 (2024).
(16) Yao, S., Zhao, J., Yu, D., Du, N., Shafran, I., Narasimhan, K., et Cao, Y. React : Synergiser le raisonnement et l'action dans les modèles de langage. arXiv preprint arXiv:2210.03629 (2022).
(17) Zhu, Y., Yuan, H., Wang, S., Liu, J., Liu, W., Deng, C., Dou, Z., et Wen, J.-R. Grands modèles de langage pour la récupération d'informations : une enquête. arXiv preprint arXiv:2308.07107 (2023).