#jupyter_notebook
Retrieval Augmented Generation (RAG) helps large language models (LLMs) answer questions using up-to-date or private information by connecting them to external data sources, unlike fine-tuning which retrains the model on specific data. RAG is useful when you need current, dynamic information without costly retraining, making it ideal for tasks like customer support or knowledge management. Fine-tuning is better for deep expertise in a specialized field but requires more data and effort. Using RAG lets you get accurate, relevant answers quickly by combining the model’s language skills with fresh, specific data, improving usefulness and reliability.
https://github.com/langchain-ai/rag-from-scratch
#COMBRC20.COM
Сработал вчера ордер на покупку по 1.15$
Думаю тут уже убили всех кого можно было. Почему бы не устроить памп маркетмейкеру?
График к этому готов, как мне кажется.
Главное, чтобы биток был в боковике, потому что если он поедет в низ, то тут можем увидеть перелой.
Не финансовый совет.
#COM конечно не радует, но и продавать не хочется в минус.
Покупать тоже нет желания, но это именно тот момент, когда нужно покупать.
Задача маркетмейкера сбросить всех пассажиров, чтобы потом расти легко, вот сейчас как раз таки идет высаживание.
Думаю насчет усреднения...
#TON прям четко успел взять по 1.8$, повезло, что #COM был на MEXС в позиции, успел быстро продать и купить #TON.
Уже +17%, фиксировать пока не буду, #TON накапливаю и в 2024 году планирую его продавать минимум по 4$