مدل‌های زبان بزرگ (LLM) خانواده‌ای از مدل‌های مولد هستند که می‌توانند زبان طبیعی را درک کنند و پاسخ‌هایی شبیه انسان ایجاد کنند. تکرارهای مدرن LLM برای انجام وظایف مختلف از نوشتن ایمیل، پیشنهاد طرح کلی مقاله و نوشتن کد آموزش دیده اند. به طور طبیعی، ابزارهای مبتنی بر LLM به‌ویژه برای توسعه‌دهندگان به‌عنوان پذیرنده‌های اولیه سبک کمکی انجام کارها به وجود آمد. اکنون، توسعه‌دهندگان می‌توانند با تکمیل خودکار پیشرفته‌تر در زمان صرفه‌جویی کنند، زمان کمتری را صرف جستجوی Stack Overflow برای اشکال‌زدایی خطاها کنند، و تلاش برای به خاطر سپردن دستورات ترمینال مناسب را متوقف کنند – همه اینها به لطف ابزارهای مبتنی بر LLM مانند Copilot، IDEهای تقویت‌شده با هوش مصنوعی، و AI- است. ترمینال پیشرفته
بازیابی نسل افزوده (RAG) نقش عمده ای در رشد و پذیرش برنامه های کاربردی مبتنی بر LLM ایفا کرده است. این به برنامه‌های GenAI اجازه می‌دهد تا به اطلاعات جدید و به‌روزی که در طول آموزش مدل دیده نمی‌شوند، دسترسی پیدا کنند، و به آنها اجازه می‌دهد با توهمات مقابله کنند و پاسخی غنی از اطلاعات بسازند.
برای برنامه های برنامه نویسی، RAG برای بازیابی زمینه اضافی برای یک برنامه نرم افزاری و ایجاد پاسخ های مرتبط استفاده می شود. این LLM را به پایگاه کد کاربر، اسناد فنی و مخازن آنلاین پیوند می دهد تا اطلاعات به روز شده مربوط به پرس و جو ورودی را بازیابی کند. اطلاعات اضافه شده اجازه می دهد …