Entenda como fundamentar seu modelo de linguagem
Os modelos de linguagem se destacam na geração de texto envolvente e são ideais como base para copilotos. Copilots fornece aos usuários um aplicativo intuitivo baseado em bate-papo para receber assistência em seu trabalho. Ao projetar um copiloto para um caso de uso específico, você deseja garantir que seu modelo de linguagem seja fundamentado e use informações factuais que sejam 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 copiloto seja 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 o prompt com dados de aterramento.
- 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 copiloto.
Adicionando dados de aterramento a um projeto de IA do Azure
Você pode usar o Azure AI Studio para criar um copiloto personalizado que usa seus próprios dados para aterrar prompts. O Azure AI Studio dá suporte a uma variedade de conexões de dados que você 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 Studio.
