Comment les taxonomies sont-elles structurées pour l' Inférence d'IA Red Hat?
Une taxonomie est un répertoire de fichiers constitué des données que vous fournissez au modèle. La documentation est organisée selon une structure en cascade où chaque sous-répertoire, ou branche, de l'arbre taxonomique se termine par un nœud
feuille, qui correspond à un ensemble de fichiers contenant les données pertinentes. Vous pouvez contribuer à une taxonomie en ajoutant une branche entièrement nouvelle, ou en ajoutant de nouvelles données à un fichier qna.yaml existant. Pour plus d’informations sur la structure de la taxonomie, consultez la section À propos de la taxonomie d’ Red Hat AI Inference dans la documentation
d’ Red Hat AI Inference. Vous pouvez également consulter la taxonomie Red Hat AI Inference sur GitHub.
Red Hat AI Inference Les fonctionnalités d'alignement de modèles, de génération de données synthétiques et de gestion de la taxonomie sont obsolètes et seront supprimées le 25 septembre 2026. Pour poursuivre les workflows de personnalisation et d'alignement des modèles, migrez vers Red Hat® OpenShift® AI On OpenShift. En savoir plus sur l'IA d' Red Hat® OpenShift®.
Pour connaître la procédure à suivre pour créer ou compléter une taxonomie, consultez la section Préparation des taxonomies.
Données de taxonomie
La taxonomie comprend trois catégories de données.
- Knowledge
- Données et faits étayés par des sources telles que des manuels ou des encyclopédies. Lorsque vous ajoutez des connaissances à une taxonomie, vous devez faire référence à un document de connaissances distinct qui se trouve en dehors du répertoire de la taxonomie et qui fait office de source de référence.
- Compétences fondamentales
- Compétences de base telles que les mathématiques, la langue et la programmation, qui peuvent servir à acquérir davantage de connaissances. Ces compétences s'acquièrent généralement à partir de données publiques.
- Compétences rédactionnelles
- Compétences alliant connaissances et aptitudes fondamentales permettant de mener à bien des tâches plus complexes, telles que l'analyse boursière.
Pour plus d’informations sur les catégories, consultez les sections Qu’est-ce qu’une compétence? et Qu’est-ce que la connaissance? dans la documentation d’ Red Hat AI Inference.
Fichiers de taxonomie
Deux types de fichiers de données sont requis pour chaque nœud feuille.
qna.yaml- Comprend des questions et réponses en rapport avec les informations contenues dans le document de base de connaissances. Les questions et réponses sont organisées sous forme de paires clé/valeur.
attribution.txt- Comprend les sources des informations ajoutées au fichier
qna.yaml. Ceci est facultatif, mais obligatoire pour toute contribution au référentiel de taxonomie open source Red Hat AI Inference.
Documents de connaissances
Toute connaissance ajoutée à une taxonomie doit être étayée par un document de référence, qui sert de source de vérité pour les informations fournies au modèle. Le document doit être un fichier Markdown situé dans un répertoire distinct de la
taxonomie. Vous faites référence au document de connaissance et au répertoire dans lequel il est stocké dans la section document_outline du fichier qna.yaml. Pour plus d'informations et pour consulter des exemples
de documents de connaissance, reportez-vous aux sections Préparation de vos documents de connaissance et Exemple de référence de fichier de document de connaissance.
Fiches qna.yaml de connaissances
La base qna.yaml de connaissances comprend des questions et réponses basées sur les informations contenues dans le document de référence correspondant. Les questions et réponses sont stockées sous forme de paires clé/valeur, et
chaque fichier qna.yaml doit contenir au moins cinq paires. À la fin de votre fichier qna.yaml, dans la section document_outline, vous devez indiquer la référence du document de la base de connaissances
ainsi que le répertoire dans lequel il est stocké. Pour connaître l'ensemble des exigences relatives aux fichiers qna.yaml et consulter des exemples de contributions à la base de connaissances, reportez-vous au qna.yaml fichier modèle et à l'exemple de soumission de contenu.
qna.yaml Fichiers relatifs aux compétences
La rubrique Compétences contient qna.yaml des questions et réponses qui expliquent comment réaliser une tâche simple. Pour apprendre à un modèle à faire des rimes, par exemple, vous pourriez inclure une question telle que What are 5 words that rhyme with skill? avec la réponse spill, mill, drill, fill, chill. Les questions et réponses sont stockées sous forme de paires clé/valeur, et chaque fichier qna.yaml doit contenir au moins cinq paires.
Les compétences que vous ajoutez peuvent être ancrées, c'est-à-dire qu'elles nécessitent des informations supplémentaires pour leur donner un contexte, ou non ancrées, c'est-à-dire qu'elles ne nécessitent aucun contexte supplémentaire. Pour
les compétences de base, vous ajoutez du contexte dans le fichier qna.yaml à l'aide du champ context. Lorsque vous ajoutez une compétence de base à une taxonomie, celle-ci doit se trouver sur une branche commençant
par le mot grounded, par exemple grounded/games/sudoku.
Pour connaître l'ensemble des exigences qna.yaml et consulter des exemples de contributions de compétences, consultez la section The skills files dans la documentation Red Hat AI Inference. Notez qu'il n'est pas nécessaire d'ajouter un document distinct lors de l'ajout de compétences.