Rabbitt.ai, una startup indiana specializzata in intelligenza artificiale generativa, ha lanciato ChanceRAG, una soluzione di Retrieval Augmented Generation (RAG) senza codice. Questo strumento è progettato per semplificare l’integrazione di modelli linguistici di grandi dimensioni (LLM) con sistemi di recupero di documenti, offrendo una soluzione di livello aziendale per la creazione di pipeline RAG efficienti.
Harneet Singh, responsabile dell’intelligenza artificiale presso Rabbitt.ai, ha spiegato che ChanceRAG affronta le limitazioni dei metodi di recupero tradizionali, come quelli basati su parole chiave o sulla semantica. ChanceRAG introduce una tecnica di recupero a fusione avanzata, che combina entrambe le metodologie per migliorare la precisione e il contesto delle risposte fornite dai modelli AI.
Gli utenti possono caricare documenti PDF e collegare i propri LLM a questi archivi tramite un database vettoriale, mentre il sistema sfrutta l’indicizzazione BM25 e la fusione dei metodi di recupero per ottenere risultati precisi e rilevanti. Una demo live della soluzione è disponibile su HuggingFace.
ChanceRAG è stato testato con benchmark di settore, ottenendo risultati come un tasso di precisione dell’80% e risposte accurate prive di allucinazioni. Tra le funzionalità chiave ci sono la possibilità di personalizzare le opzioni di recupero, regolando impostazioni come la dimensione dei blocchi e i metodi di riclassificazione.
Rabbitt.ai ha in programma ulteriori miglioramenti per ChanceRAG, che includeranno espansione dinamica delle query, sintesi multimodale dei documenti e segmentazione basata sul contesto. La startup, fondata da Singh, ha recentemente raccolto 2,1 milioni di dollari in finanziamenti, e continua a concentrarsi su soluzioni AI innovative per l’integrazione di LLM e MLOps.