分类归档: LLM
MariaDB AI RAG 黑客马拉松的构思阶段截止日期临近，为周一（3月底）。
到目前为止，我们已经收到了一些很棒的投稿。其中一个关于结合知识图谱和 LLM，使用了 MariaDB Vector 最近邻搜索。另一个是关于一个“高级上下文差异”，用于识别两个文本语料库之间的差异，其依据不是文字本身，而是内容。
目前所有的投稿都在创新赛道。我们特别欢迎集成赛道的投稿 – 将 MariaDB 添加到这些框架或其他应用中。
…
我们很高兴宣布一个使用 MariaDB Vector 和 Python 的黑客马拉松。既然我们正在打破常规，让我们从头开始：
MariaDB 是一款开源数据库，为全球最严苛的应用提供支持，从维基百科到全球金融机构。现在，MariaDB Vector 将 AI 就绪的向量搜索原生引入开源数据库世界。MySQL 用户请注意：
我们的黑客马拉松是您使用 MariaDB Vector 和 Python 探索 AI 可能性的机会。无论您是开发者、数据科学家还是 AI 爱好者，MariaDB Foundation 邀请您构建创新的 AI 应用，角逐奖品，并展示您的作品。
…
我们不是读心术者，所以我们有时会进行投票。投票是定量的，因此提出正确的问题还不够——我们需要在想出备选项时进行一些读心术。
基于文本的 RAG 应用快速开发
我们的假设是，RAG 是基于向量的数据库的绝佳应用，特别是基于文本的 RAG。我们在 MariaDB Vector 相关的会议演讲（例如 在意大利南蒂罗尔博尔扎诺举行的第 24 届 SFSCON 会议，时间是 2024 年 11 月 8 日）都强调了开发能够根据特定文本知识而非 LLM 总体训练数据回答用户提示的 AI 应用的价值。
…
今天，我们很高兴宣布一项新基金，旨在帮助 MariaDB Vector 高质量地集成到尽可能多的 LLM 框架中。这意味着您将因将 MariaDB Vector 集成到已知框架中而获得奖励！该计划将持续到 2025 年 2 月底。
运作方式
- 选择一个框架：您需要从 Qdrant 整理的列表中选择一个框架，并为其添加 MariaDB Vector 支持。
- 联系我们：请在 MariaDB Zulip 的通用频道联系我们，只需创建一个话题。
…
我们在这里，我们是开源的，我们为您带来了基于 RDBMS 的向量搜索！随着 MariaDB 11.6 Vector Preview 的发布，MariaDB Server 生态系统终于可以了解 MariaDB Server 期待已久的向量搜索功能是如何工作的。这项努力是 MariaDB plc、MariaDB Foundation 员工以及贡献者（特别是来自亚马逊 AWS 的贡献者）合作的成果。
“MariaDB Vector”之前的内容
如果您是 Vector 新手，以下是迄今为止发生的事情
- 我们多次撰写博客文章，阐述我们关于生成式 AI 在 MariaDB Server 中定位的观点
- 我们在二月份的 FOSDEM 边缘活动中展示了第一个演示
- 我们在 mariadb.org/projects/mariadb-vector/ 上启动了一个项目页面，其中包含多个视频
- 我们在伦敦的 Intel Vision 大会上登台，展示无处不在的 AI
- 我们在《MariaDB 即将成为向量数据库》一文中，撰写了关于亚马逊对向量和 MariaDB 看法的博客
重点：MariaDB Vector 已准备好进行实验
…
我们说：把您的 AI 向量放入您的 RDBMS 中…
关系型数据库是 AI 数据应有的位置。用户需要将向量与其余数据一起存储在标准数据库中，该数据库提供性能、可伸缩性以及所有其他传统优势，例如 ACID 合规性。
这就是我们开发 MariaDB Vector 的原因。预计本月晚些时候将发布第一个预览版。
… 但不要只听我们一面之词 – 去问问亚马逊！
现在，并非只有我们在倡导上述逻辑。这可能是因为这个逻辑是合理的。我听到的关于“您希望将您的生成式 AI 集成到您的关系型数据库中”这一逻辑的最佳阐述，出自 MariaDB Foundation 董事会成员、亚马逊关系型数据库服务总经理 Sirish Chandrasekharan。
…