))
#24 Significantly advancing LLMs with RAG (Google's Gemini 2.0, Deep Research, notebookLM)
Manage episode 460336033 series 3585389
เนื้อหาจัดทำโดย Dev and Doc เนื้อหาพอดแคสต์ทั้งหมด รวมถึงตอน กราฟิก และคำอธิบายพอดแคสต์ได้รับการอัปโหลดและจัดหาให้โดยตรงจาก Dev and Doc หรือพันธมิตรแพลตฟอร์มพอดแคสต์ของพวกเขา หากคุณเชื่อว่ามีบุคคลอื่นใช้งานที่มีลิขสิทธิ์ของคุณโดยไม่ได้รับอนุญาต คุณสามารถปฏิบัติตามขั้นตอนที่แสดงไว้ที่นี่ https://th.player.fm/legal
Dev and Doc - Latest News
Dev and Doc - Latest News
It's 2025, Dev and Doc cover the latest news including Google's deep research and notebook LM, DeepMind's Promptbreeder, and Anthropic's new RAG approach. We also go through what retrieval augmented generation (RAG) is, and how this technique is advancing LLM performance.
👋 Hey! If you are enjoying our conversations, reach out, share your thoughts and journey with us. Don't forget to subscribe whilst you're here :)
Meet the Team
Where to Follow Us
Contact Us
📧 For enquiries - Devanddoc@gmail.com
Credits
- 🎞️ Editor - Dragan Kraljević - Instagram
- 🎨 Brand Design and Art Direction - Ana Grigorovici - Behance
Episode Timeline
- 00:00 Highlights
- 00:53 News - Notebook LM, OpenAI 12 days of Christmas
- 07:44 Change in the meta - post-training
- 11:34 Optimizing prompts with DeepMind Promptbreeder
- 13:20 Is OpenAI losing their lead against Google
- 16:45 Deep research vs Perplexity
- 24:18 AIME and oncology
- 26:00 Deep research results
- 30:20 RAG intro
- 33:14 Second pass RAG
- 36:20 RAG didn't take off
- 38:40 Wikichat
- 39:16 How do we improve on RAG?
- 41:11 Semantic/topic chunking, cross-encoders, agentic RAG
- 51:15 Google’s Problem Decomposition
- 53:32 Anthropic’s Contextual Retrieval Processing
- 56:07 Summary and wrap up
References
28 ตอน
แบ่งปัน
