Cómo se estructuran las taxonomías en Inferencia de IA de Red Hat
Una taxonomía es un directorio de archivos que contiene los datos que se introducen en el modelo. Está organizado en una estructura en cascada en la que cada subdirectorio, o rama, del árbol taxonómico termina en un nodo hoja, que es un conjunto
de archivos que contienen los datos pertinentes. Puedes contribuir a una taxonomía añadiendo una rama completamente nueva o añadiendo nuevos datos a un archivo qna.yaml ya existente. Para obtener más información sobre la estructura
de la taxonomía, consulta Acerca de la taxonomía de Red Hat AI Inference en la documentación de Red Hat AI Inference. También puedes consultar la taxonomía de Red Hat AI Inference en GitHub.
Red Hat AI Inference Las funciones de alineación de modelos, generación de datos sintéticos y gestión de taxonomías han quedado obsoletas y se eliminarán el 25 de septiembre de 2026. Para continuar con los flujos de trabajo de personalización y alineación de modelos, migra a Red Hat® OpenShift® AI On OpenShift. Más información sobre la IA de Red Hat® OpenShift®.
Para conocer los pasos para crear o ampliar una taxonomía, consulta Preparación de taxonomías.
Datos de taxonomía
Hay tres categorías de datos en la taxonomía.
- Knowledge
- Datos y hechos respaldados por fuentes como libros de texto o enciclopedias. Al añadir conocimientos a una taxonomía, debes hacer referencia a un documento de conocimientos independiente que se encuentre fuera del directorio de la taxonomía y que sirva como fuente de referencia.
- Competencias básicas
- Habilidades básicas, como las matemáticas, el lenguaje y la programación, que pueden utilizarse para adquirir más conocimientos. Estas habilidades suelen desarrollarse utilizando datos públicos.
- Habilidades de redacción
- Competencias que combinan conocimientos y habilidades básicas para llevar a cabo tareas más complejas, como el análisis del mercado bursátil.
Para obtener más información sobre las categorías, consulta ¿Qué es una skill? y ¿Qué es el conocimiento? en la documentación de Red Hat AI Inference.
Archivos de taxonomía
Hay dos tipos de archivos de datos necesarios para cada nodo hoja.
qna.yaml- Incluye preguntas y respuestas relacionadas con la información que figura en el documento de conocimiento. Las preguntas y respuestas se organizan en forma de pares clave/valor.
attribution.txt- Incluye las fuentes de la información añadida al archivo
qna.yaml. Esto es opcional, pero es obligatorio para las contribuciones al repositorio de taxonomía de código abierto Red Hat AI Inference.
Documentos de conocimientos
Cualquier conocimiento añadido a una taxonomía debe estar respaldado por un documento de conocimiento, que actúa como fuente de referencia para la información que se introduce en el modelo. El documento debe ser un archivo Markdown ubicado en
un directorio independiente de la taxonomía. Se hace referencia al documento de conocimiento y al directorio en el que está almacenado en la document_outline sección del archivo qna.yaml. Para obtener más información
y ver ejemplos de documentos de conocimiento, consulta Preparación de tus documentos de conocimiento y Ejemplo de referencia de un archivo de documento de conocimiento.
qna.yaml Archivos de conocimiento
El archivo qna.yaml de conocimientos incluye preguntas y respuestas basadas en la información que figura en el documento de conocimientos correspondiente. Las preguntas y respuestas se almacenan como pares clave/valor, y se requiere
un mínimo de cinco pares por cada archivo qna.yaml. Al final de tu archivo qna.yaml, en la sección document_outline, debes hacer referencia al documento de la base de conocimientos y al directorio en
el que está almacenado. Para conocer todos los requisitos de los archivos qna.yaml y ver ejemplos de aportaciones de conocimientos, consulta el archivo qna.yaml de plantilla y el ejemplo de envío de conocimientos.
qna.yaml Archivos de habilidades
La sección Habilidades contiene qna.yaml preguntas y respuestas que enseñan a realizar una tarea sencilla. Para enseñar a un modelo a rimar, por ejemplo, podrías incluir una pregunta como What are 5 words that rhyme with skill? con la respuesta spill, mill, drill, fill, chill. Las preguntas y respuestas se almacenan como pares clave/valor, y se requiere un mínimo de cinco pares por cada archivo qna.yaml.
Las habilidades que añadas pueden ser con contexto, lo que significa que requieren información adicional para contextualizarlas, o sin contexto, lo que significa que no requieren ningún contexto adicional. Para las competencias básicas, se añade
contexto en el archivo qna.yaml mediante el campo context. Cuando añadas una habilidad basada en la taxonomía, debe estar en una rama que comience con la palabra grounded, como por ejemplo grounded/games/sudoku.
Para consultar los requisitos qna.yaml completos y ejemplos de contribuciones de habilidades, véase Los archivos de habilidades en la documentación de Red Hat AI Inference. Ten en cuenta que no es necesario añadir un documento aparte al añadir habilidades.