在全球掀起 AI 熱潮的 ChatGPT 證明了大語言模型（LLM）在生成知識和推理方面的能力，而如何讓 LLM 更有效地獲取特定領域的知識并理解事物,，則需要更強大,、更高效的基礎設施能力——大量研究和實踐表明，圖數據庫可以有效提升 LLM 學習和檢索能力,，是 LLM Stack 中的重要一環(huán)。

6月30日晚 12:00，來自悅數圖數據庫的首席布道師 @古思為 將與 Llama Index 創(chuàng)始人兼 CEO @ Jerry Liu 共同探討如何通過圖技術進一步提升 LLM 的語義檢索能力,，并展示如何結合知識圖譜與向量數據庫實操 Llama Index 上的復雜問答系統(tǒng),，分享悅數團隊與 Llama Index 團隊在圖驅動的 in-context learning 的最新研究進展。

歡迎掃描【文末海報二維碼】,，一起來報名參與直播/預約回放～

活動背景

本次直播是由 Llama Index 發(fā)起的面向全球社區(qū)的網絡研討會,。悅數圖數據庫是國內第一家也是唯一一家引入了 LangChain 的圖數據庫廠商，率先實現了基于 Knowledge Graph + Vector DB 的 retrieval-augmented generation （Graph In-Context Learning）方案,，同時悅數團隊貢獻的 Llama Index 中的 GraphStore 抽象的設計與實現,，也得到了 LLM 核心技術社區(qū)的關注和認可。

Llama Index 是全球領先的 LLM 大數據框架之一,，是一個針對特定語料檢索的 GPT 項目,，可以用于連接外部數據和 LLMs。悅數圖數據庫是國產自研的企業(yè)級原生分布式圖數據庫,，具有高性能,、易擴展、安全穩(wěn)定的特點,，能夠完美支持 AI,、大模型、機器學習等多領域智能應用,。

研討主題

技術分享 ：如何通過圖技術進一步提升 LLM 的語義檢索能力

重點解讀：圖數據庫憑借圖形格式組織和連接信息的方式,，天然適合存儲及表達復雜的上下文信息。圖數據庫中的節(jié)點表示實體,，邊表示實體之間的關系,，因此能夠允許高效地存儲、檢索和分析復雜的多維數據,。通過圖技術構建知識圖譜提升 In-Context Learning 的全面性為用戶提供更多的上下文信息,，能夠幫助大語言模型（LLM）更好地理解實體間的關系，提升自己的表達和推理能力,。

實操演示：圖數據庫-知識圖譜與 LLM 結合的應用展示

重點解讀：本次直播將從第一視角為您帶來圖數據庫+LLM 的實踐分享,，企業(yè)可以通過大模型實現更智能化的問答推薦，進一步解放人力重復勞動,，還可以借助大模型的語義理解能力,，在經營分析、投資決策等領域提供專家級的策略和建議,，充分激活數據要素,，讓傳統(tǒng)業(yè)務獲得新的增長點。

最新進展：悅數圖數據庫 x Llama Index 在模型訓練領域的研究成果

重點解讀：悅數圖數據庫正致力于將 “GraphStore” 存儲上下文引入 Llama Index,，從而引入知識圖譜的外部存儲,，全面打造更高效易用的「圖+ LLM」 解決方案。通過提供面向 AIGC、LLM 等智能應用的圖基礎設施,，幫助企業(yè)輕松構建關聯(lián)海量數據的知識圖譜,，全面提升行業(yè)大模型的訓練和部署成本，形成更敏捷,、高效,、易用的人工智能應用。 WEBINAR

參與方式

您可以通過掃描海報上的二維碼預約觀看直播,，或者關注「悅數圖數據庫」微信公眾號,，直播結束后回復【回放】即可獲取視頻～