multihop rag

インタースティングプロジェクト/共通の利益がある場合は、LinkedInで私とつながります。 https://www.linkedin.com/in/mayankladdha31/

クエリの前処理と迅速な改良のマイナーな調整により、検索と最終的な結果が向上する方法：Multihop-Ragは、#RAGパイプラインのメタデータを含むドキュメント全体の検索と推論を評価するためのQAデータセットです。クエリが含まれており、2〜4つのドキュメントに分配されている各クエリの証拠があります。私は最初に簡単な検索を試みました。 Inference_Queryタイプの場合、結果はそれほど悪くありませんでした。しかし、他のクエリタイプ（比較と一時的）の場合、結果は非常に貧弱でした。次に、マイナーなクエリ前処理（関連するフレーズにクエリを分割することで、より関連性の高いチャンクを取得しようとする）とプロンプトを少し微調整することで、他のクエリタイプを改善できるかどうかを確認しようとしました。

顕著な改善が観察されました。いくつかの応答は正しくありませんでしたが、以前のバージョンからの全体的な改善は重要でした。プロンプトを微調整し、より良いモデル（GPT4）を使用し、さまざまな戦略を実験し（メタデータをより適切に使用し、さまざまなチャンキング方法を試してください）、知識グラフを作成することができます。私の目的は、最高の精度を得ることではなく、クエリの前処理と迅速な改良のマイナーな調整が検索と最終的な結果を高めることができるかどうかを確認することでした。そしてそれはそうします。