❤️ 커뮤니티(Community)

❤️ 커뮤니티(Community)

Ragas는 커뮤니티의 활기찬 에너지, 다양한 스킬, 그리고 공유된 열정 위에서 성장해요. 단순히 코드만이 아니라, 사람들이 모여 무언가 특별한 것을 만드는 데 관한 이야기예요. 이 공간은 크든 작든 모든 기여를 기념하고, 그 모든 것을 가능하게 만든 멋진 사람들을 소개해요.

출처: 문서

본문

💬 Discord 커뮤니티

다른 개발자들과 소통하고, 아이디어를 공유하며, 지원을 받으려면 Discord 커뮤니티에 참여하세요.

🌟 기여자(Contributors)

우리의 뛰어난 기여자 몇 분을 만나보세요! 전체 목록을 보려면 여기를 확인해요.

📚 블로그 & 인사이트(Blog & Insights)

커뮤니티 구성원들이 작성하고 또 그들을 위해 쓰인 통찰력 있는 글, 튜토리얼, 이야기를 살펴보세요.

• Luka Panić의 작업:
  • Ragas Evaluation: In-Depth Insights | PIXION Blog: 지표와 계산 방법의 상세한 설명.
  • RAG in practice - Test Set Generation | PIXION Blog: Ragas로 테스트 셋을 생성하는 튜토리얼.
• Shanthi Vardhan이 Atomicwork가 ragas를 사용하는 방법을 공유해요 — AI 시스템이 서비스 관리를 위해 더 정확한 정보를 식별하고 검색하는 능력을 개선하는 과정이에요.
• Pinecone의 "RAG makes LLMs better and equal" 연구는 ragas를 사용해 데이터 크기를 10억으로 늘려도 컨텍스트 검색이 LLM의 결과를 훨씬 개선함을 증명해요.
• Aishwarya Prabhat이 포괄적인 가이드 "Performing, Evaluating & Tracking Advanced RAG (ft. AzureML, LlamaIndex & Ragas)"에서 고급 RAG 기법에 대한 전문 지식을 공유해요.
• Leonie (일명 @helloiamleonie)가 상세한 글 "Evaluating RAG Applications with RAGAs"에서 자신의 관점을 제시해요.
• Erika Cardenas와 Connor Shorten의 공동 작업인 "An Overview on RAG Evaluation | Weaviate"와 Ragas 팀과의 팟캐스트가 소개돼요.
• Erika Cardenas는 하이브리드 검색 가중치(alpha)의 RAG 성능을 최근 실험에서 Ragas로 weaviate alpha 점수를 튜닝하며 더 탐구해요.
• LangChain의 RAG Evaluating RAG pipelines with RAGAs and LangSmith는 두 도구를 활용해 RAG 파이프라인을 평가하는 완전한 튜토리얼을 제공해요.
• Plaban Nayak이 Evaluate RAG Pipeline using RAGAS에서 LangChain과 RAGAS로 간단한 RAG를 만들고 평가하는 방법을 공유해요.
• Stephen Kurniawan이 Chunk Size, Vector Stores: FAISS vs ChromaDB, Vector Stores 2: Multiple Documents, Similarity Searches / Distance Metrics / Index Strategies 같은 다양한 RAG 요소를 비교해요.
• Devanshu Brahmbhatt의 Enhancing LLM's Accuracy with RAGAS에서 RAG 시스템 최적화 인사이트를 발견하세요. RAG 아키텍처, 핵심 평가 지표, RAGAS 점수를 성능 개선에 사용하는 방법을 배울 수 있어요.
• Suzuki와 Hwang은 일본어와 영어로 된 동일 콘텐츠 데이터셋으로 성능(인간 라벨과 Ragas 점수의 상관 계수)을 비교해 Ragas의 성능이 언어에 의존하는지 조사하는 실험을 진행했어요. 실험 결과와 Ragas의 기본 알고리즘에 대한 블로그를 남겼죠.
  • RAG Evaluation: Necessity and Challenge
  • RAG Evaluation : Computational Metrics in RAG and Calculation Methods in Ragas
  • RAG Evaluation: Assessing the Usefulness of Ragas
• Atita Arora가 Evaluating Retrieval Augmented Generation using RAGAS에 대해 썼어요 — Qdrant와 LangChain으로 RAG를 만들고 RAGAS로 평가하는 엔드투엔드 튜토리얼이에요.
  • 보너스 내용: RAG 파이프라인 평가의 기준점이 될 평가 데이터셋 만드는 법, RAGAS 평가 지표를 이해하고 해석하는 법, 이를 Naive RAG 파이프라인 테스트에 적용해 RAGAS 지표로 성능을 측정하는 법.
  • 코드 워크스루: https://github.com/qdrant/qdrant-rag-eval/tree/master/workshop-rag-eval-qdrant-ragas
  • Deepset Haystack과 Mixedbread.ai를 사용한 코드 워크스루: https://github.com/qdrant/qdrant-rag-eval/tree/master/workshop-rag-eval-qdrant-ragas-haystack
• Minoru Onda가 초보자를 위해 Amazon Bedrock으로 Ragas v0.2 평가를 시작하고 Langfuse와 통합하는 방법을 썼어요.
  • RAG精度評価の定番ツール「Ragas」にAWSのBedrockで入門しよう！（v0.2対応） - Qiita
  • 生成AIアプリの出力をRagasで評価して、LangfuseでGUI監視しよう！ - Qiita
• Yunnglin이 Ragas v0.2를 EvalScope(대형 모델 평가 프레임워크)에 통합하는 가이드를 작성했어요. ModelScope 생태계를 활용하는 방법이에요.
  • 튜토리얼: Using Ragas with EvalScope
  • 教程: 在EvalScope中使用Ragas一键发起RAG评估
  • 最佳实践: 打破文本边界：如何进行多模态RAG评估

📅 이벤트(Events)

최신 모임, 밋업, 온라인 웨비나를 놓치지 마세요.

• OpenAI 엔지니어들이 DevDay에서 RAG 트릭과 Ragas 기능을 소개해요.
• LangChain의 Ragas 팀과 함께한 LangChain "RAG Evaluation" 웨비나