Saran resource: WFGY – kerangka debugging untuk sistem LLM / RAG (MIT)

[onestardao]

Hi, terima kasih sudah membuat daftar resource machine learning ini.

Saya ingin menyarankan satu project open source yang mungkin berguna untuk para praktisi yang memakai LLM dan RAG:

• Nama: WFGY (All Principles Return to One)
• Repo: https://github.com/onestardao/WFGY
• Lisensi: MIT
• Star: sekitar 1.4k+ di GitHub

Ringkasan:

• WFGY bukan model baru, tetapi kerangka teks (TXT) yang bisa dimuat ke LLM apa pun.
• Fokusnya adalah mendiagnosis dan memperbaiki kegagalan sistem LLM / RAG, misalnya retrieval salah, chunking salah, embedding mismatch, dsb.

Bagian utama:

ProblemMap – 16 jenis kegagalan
https://github.com/onestardao/WFGY/tree/main/ProblemMap

• Setiap kegagalan punya halaman sendiri: gejala, penyebab, dan langkah perbaikan yang bisa diterapkan di pipeline produksi.

Ada juga:

• PDF WFGY 1.0 yang menjelaskan struktur matematikanya.
• WFGY 3.0 Singularity Demo yang berisi 131 soal reasoning tingkat tinggi.

Jika menurut Anda cocok dengan daftar ini, saya bisa bantu menyiapkan PR singkat untuk menambahkannya.

[onestardao]

Hi, quick follow-up.

Since this was opened, WFGY 2.0 (RAG 16 Problem Map) has been adopted or referenced by 20+ repos, including RAGFlow, LlamaIndex, ToolUniverse (Harvard MIMS Lab), Rankify, and Multimodal RAG Survey (QCRI LLM Lab), plus several awesome lists.

If it fits your scope, I’m happy to submit a minimal PR.

Thanks again.