Begrijpen hoe u uw taalmodel kunt grondleren

Voltooid

Taalmodellen excelleren in het genereren van aantrekkelijke tekst en zijn ideaal als basis voor agents. Agents bieden gebruikers een intuïtieve, op chat gebaseerde toepassing om hulp te krijgen bij hun werk. Wanneer u een agent ontwerpt voor een specifieke use case, wilt u ervoor zorgen dat uw taalmodel is gebaseerd en feitelijke informatie gebruikt die relevant is voor wat de gebruiker nodig heeft.

Hoewel taalmodellen worden getraind op een grote hoeveelheid gegevens, hebben ze mogelijk geen toegang tot de kennis die u beschikbaar wilt maken voor uw gebruikers. Als u ervoor wilt zorgen dat een agent is gebaseerd op specifieke gegevens om nauwkeurige en domeinspecifieke antwoorden te bieden, kunt u Rag (Retrieval Augmented Generation) gebruiken.

Rag begrijpen

RAG is een techniek die u kunt gebruiken om een taalmodel te gronden. Met andere woorden, het is een proces voor het ophalen van informatie die relevant is voor de eerste prompt van de gebruiker. In het algemeen omvat het RAG-patroon de volgende stappen:

Diagram van het patroon voor het ophalen van augmented generation.

  1. Grondgegevens ophalen op basis van de eerste door de gebruiker ingevoerde prompt.
  2. Vergroot de prompt met grondgegevens.
  3. Gebruik een taalmodel om een geaard antwoord te genereren .

Door context op te halen uit een opgegeven gegevensbron, zorgt u ervoor dat het taalmodel relevante informatie gebruikt bij het reageren, in plaats van te vertrouwen op de trainingsgegevens.

Het gebruik van RAG is een krachtige en gebruiksvriendelijke techniek voor veel gevallen waarin u uw taalmodel wilt vergronden en de feitelijke nauwkeurigheid van de reacties van uw generatieve AI-app wilt verbeteren.

Grondgegevens toevoegen aan een Azure AI-project

U kunt Microsoft Foundry gebruiken om een aangepaste agent te bouwen die gebruikmaakt van uw eigen gegevens om prompts te baseren. Microsoft Foundry ondersteunt een reeks gegevensverbindingen die u kunt gebruiken om gegevens toe te voegen aan een project, waaronder:

  • Azure Blob Storage (opslagdienst van Azure)
  • Azure Data Lake Storage Gen2
  • Microsoft OneLake

U kunt ook bestanden of mappen uploaden naar de opslag die wordt gebruikt door uw AI Foundry-project.

Schermopname van het dialoogvenster Gegevens toevoegen in de Microsoft Foundry-portal.