JurisLibreIA Asistente Juridico Inteligente: Facilitando el acceso a la justicia (Presentación)

Vista sencilla de ítem
dc.contributor.advisorGonzalez Torres, Daniel Leonardo
dc.contributor.advisorSanta Quintero, Ricardo Andres
dc.contributor.authorGonzalez Torres, Daniel Leonardo
dc.contributor.authorSanta Quintero, Ricardo Andres
dc.coverage.spatialBogotáspa
dc.creator.emaildaniell-gonzalezt@unilibre.edu.cospa
dc.creator.emailricardoa.santaq@unilibre.edu.cospa
dc.date.accessioned2025-05-26T12:46:44Z
dc.date.available2025-05-26T12:46:44Z
dc.date.created2025-04-08
dc.description.abstractLa presentación se centro en Jurislibre IA, una plataforma de asesoría legal basada en IA que integra dos enfoques clave RAG (Retrieval-Augmented Generation) y fine-tuning de modelos de lenguaje junto a bases de datos vectoriales y de grafos. Se detalló en profundidad el funcionamiento de cada tecnología, los beneficios de combinar recuperación de información con generación, y por qué las estructuras de datos avanzadas resultaron cruciales. También se expusieron las pruebas iniciales en servidores locales, así como la transición hacia entornos en línea usando GPT Playground y librerías LLM de Python, con el objetivo de reforzar la seguridad y la confiabilidad para el usuario final.spa
dc.description.abstractenglishThe presentation focused on Jurislibre AI, an AI-based legal advisory platform that integrates two key approaches: Retrieval-Augmented Generation (RAG) and fine-tuning of language models with vector and graph databases. The presentation detailed in depth how each technology works, the benefits of combining information retrieval with generation, and why advanced data structures were crucial. Initial testing on local servers was also discussed, as well as the transition to online environments using GPT Playground and Python LLM libraries, with the goal of strengthening security and reliability for the end user.spa
dc.description.sponsorshipUniversidad Libre -- Ingenieria -- Ingenieria de sistemasspa
dc.formatPDFspa
dc.identifier.urihttps://hdl.handle.net/10901/31186
dc.relation.referencesNVIDIA. (n.d.). What Is Retrieval-Augmented Generation (RAG)? NVIDIA. Retrieved May 13, 2025, from https://www.nvidia.com/en-us/glossary/retrieval-augmented-generation/spa
dc.relation.referencesSingh, S., Khanuja, M., & Zhang, Y. (2024, August 5). Build an end-to-end RAG solution using Amazon Bedrock Knowledge Bases and AWS CloudFormation. AWS Machine Learning Blog. Retrieved May 13, 2025, from https://aws.amazon.com/blogs/machine-learning/build-an-end-to-end-rag-solution-using-knowledge-bases-for-amazon-bedrock-and-aws-cloudformation/spa
dc.relation.referencesDataCamp. (n.d.). Fine-Tuning LLMs: A Guide With Examples. Retrieved May 13, 2025, from https://www.datacamp.com/tutorial/fine-tuning-large-language-modelsspa
dc.relation.referencesMartínez, J. (2022, October ? ). Supervised fine-tuning: Customizing LLMs. Medium. Retrieved May 13, 2025, from https://medium.com/mantisnlp/supervised-fine-tuning-customizing-llms-a2c1edbf22c3spa
dc.relation.referencesPinecone. (n.d.). Pinecone Database: Overview. Retrieved May 13, 2025, from https://docs.pinecone.io/guides/get-started/overviewspa
dc.relation.referencesElastic. (n.d.). Semantic Search. Elastic.co. Retrieved May 13, 2025, from https://www.elastic.co/guide/en/elasticsearch/reference/current/semantic-search.htmlspa
dc.relation.referencesAmazon Web Services. (n.d.). Amazon Neptune – Managed Graph Database. Retrieved May 13, 2025, from https://aws.amazon.com/neptune/spa
dc.relation.referencesNeo4j. (n.d.). Graph Database Use Cases & Solutions. Retrieved May 13, 2025, from https://neo4j.com/use-cases/spa
dc.relation.referencesOpenAI. (n.d.). OpenAI platform docs. Retrieved May 13, 2025, from https://platform.openai.com/docsspa
dc.relation.referencesLangChain. (n.d.). Introduction | LangChain. Retrieved May 13, 2025, from https://python.langchain.com/docs/introduction/spa
dc.relation.referencesCuantificación vectorial. (n.d.). Retrieved from https://academia-lab.com/enciclopedia/cuantificacion-vectorial/spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.subjectRetrieval-Augmented Generation (RAG)spa
dc.subjectFine-tuningspa
dc.subjectBases de datos vectorialesspa
dc.subjectBases de datos de grafosspa
dc.subjectGPT Playgroundspa
dc.subjectLangchainspa
dc.subjectMetodos de cuantizacionspa
dc.subjectEmbebbingsspa
dc.subjectIndexación semánticaspa
dc.subjectInteligencia Artificial aplicada al derechospa
dc.subject.subjectenglishRetrieval-Augmented Generation (RAG)spa
dc.subject.subjectenglishFine-tuningspa
dc.subject.subjectenglishVector databasespa
dc.subject.subjectenglishGraph databasespa
dc.subject.subjectenglishGPT Playgroundspa
dc.subject.subjectenglishLangchainspa
dc.subject.subjectenglishQuantization Methodsspa
dc.subject.subjectenglishEmbebbingsspa
dc.subject.subjectenglishSemantic indexingspa
dc.subject.subjectenglishIntelligent Legal Servicesspa
dc.titleJurisLibreIA Asistente Juridico Inteligente: Facilitando el acceso a la justicia (Presentación)spa
dc.title.alternativePresentation JurisLibreAI Smart Legal Assistant: Facilitating access to justicespa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.localTesis de Pregradospa

Archivos

Bloque original

Mostrando 1 - 2 de 2
Miniatura
Nombre:
Presentacion JurisLibreIA Asistente Juridico Inteligente facilitando el acceso al derecho con IA DLGT.pdf
Tamaño:
11.14 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
Formato autorización PUBLICACIÓN DE OBRAS - Presentacion JurisLibreIA Asistente Juridico Inteligente facilitando el acceso al derecho con IA DLGT.pdf
Tamaño:
183.35 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Sensorama