#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
#MBG#Германия#авто
🔴 Акции Mercedes-Benz в Германии упали в пятницу после того, как производитель автомобилей класса люкс снизил прогноз прибыли на весь год.
👉 Автопроизводитель пересмотрел свой скорректированный прогноз доходности продаж до 7,5%-8,5%, что является резким падением по сравнению с предыдущим прогнозом в 10%-11%.
👆 Посмотрите на график: EPS успел уже упасть на почти 50% - и лично мне кажется, что это только начало...
Самые дорогие товары длительного пользования первыми реагируют на снижение спроса - у людей просто нет ни возможности ни желания покупать эти товары по современным ценам.
Падение покупательской способности населения обычно вызывает рецессию в экономике.
За авто следом пойдёт электроника, дискреционные люксовые товары (у топовых брендов уже сокращаются продажи).
Ждёмс...