Entenda como fundamentar seu modelo de linguagem
Os modelos de linguagem se destacam na geração de texto envolvente e são ideais como base para os agentes. Os agentes fornecem aos usuários um aplicativo intuitivo baseado em bate-papo para receber assistência em seu trabalho. Ao projetar um agente para um caso de uso específico, você deseja garantir que seu modelo de linguagem seja fundamentado e use informações factuais relevantes para o que o usuário precisa.
Embora os modelos de linguagem sejam treinados em uma vasta quantidade de dados, eles podem não ter acesso ao conhecimento que você deseja disponibilizar aos seus usuários. Para garantir que um agente esteja fundamentado em dados específicos para fornecer respostas precisas e específicas do domínio, você pode usar a Geração Aumentada de Recuperação (RAG).
Compreender a RAG
RAG é uma técnica que você pode usar para fundamentar um modelo de linguagem. Em outras palavras, é um processo para recuperar informações relevantes para o prompt inicial do usuário. Em termos gerais, o padrão RAG incorpora as seguintes etapas:
- Recupere dados de aterramento com base no prompt inicial inserido pelo usuário.
- Aumente a instrução com dados de referência.
- Use um modelo de linguagem para gerar uma resposta fundamentada.
Ao recuperar o contexto de uma fonte de dados especificada, você garante que o modelo de linguagem use informações relevantes ao responder, em vez de confiar em seus dados de treinamento.
O uso do RAG é uma técnica poderosa e fácil de usar para muitos casos em que você deseja fundamentar seu modelo de linguagem e melhorar a precisão factual das respostas do seu aplicativo de IA generativo.
Adicionando dados de aterramento a um projeto de IA do Azure
Podes usar o Microsoft Foundry para criar um agente personalizado que usa os teus próprios dados para fundamentar prompts. O Microsoft Foundry suporta uma variedade de ligações de dados que pode usar para adicionar dados a um projeto, incluindo:
- Armazenamento de Blobs do Azure
- Azure Data Lake Storage Gen2
- Microsoft OneLake
Você também pode fazer upload de arquivos ou pastas para o armazenamento usado pelo seu projeto AI Foundry.
