Come sono strutturate le tassonomie per Inferenza AI di Red Hat
Una tassonomia è una directory di file costituita dai dati che si forniscono al modello. È organizzata secondo una struttura a cascata in cui ogni sottodirectory, o “ramo”, dell’“albero” tassonomico termina con un “nodo foglia”, ovvero un insieme
di file che contengono i dati pertinenti. È possibile contribuire alla tassonomia aggiungendo un "ramo" completamente nuovo oppure inserendo nuovi dati in un file esistente denominato " qna.yaml ". Per ulteriori
informazioni sulla struttura della tassonomia, consultare la pagina Informazioni sulla tassonomia “ Red Hat AI Inference ” nella documentazione di Red Hat AI
Inference. È inoltre possibile consultare la tassonomia “ Red Hat AI Inference ” all’indirizzo GitHub.
Red Hat AI Inference Le funzionalità di allineamento dei modelli, generazione di dati sintetici e gestione della tassonomia sono obsolete e saranno rimosse il 25 settembre 2026. Per proseguire con i flussi di lavoro relativi alla personalizzazione e all'allineamento dei modelli, esegui la migrazione a Red Hat® OpenShift® AI On OpenShift. Scopri di più sull'intelligenza artificiale di Red Hat® OpenShift®.
Per le istruzioni su come creare o ampliare una tassonomia, consultare la sezione " Preparazione delle tassonomie ".
Dati tassonomici
Nella tassonomia sono presenti tre categorie di dati.
- Knowledge
- Dati e fatti supportati da fonti quali libri di testo o enciclopedie. Quando si aggiunge una voce a una tassonomia, è necessario fare riferimento a un documento separato che si trova al di fuori della directory della tassonomia e che funge da fonte autorevole.
- Competenze di base
- Competenze di base quali la matematica, la lingua e la programmazione, che possono essere utilizzate per acquisire ulteriori conoscenze. Queste competenze vengono solitamente sviluppate utilizzando dati pubblici.
- Competenze compositive
- Competenze che combinano conoscenze e abilità di base per svolgere compiti più complessi, come l'analisi dei mercati azionari.
Per ulteriori informazioni sulle categorie, consulta le sezioni “Che cos’è una ‘competenza’?” e “Che cos’è una ‘conoscenza’?” nella documentazione di Red Hat AI Inference.
File di tassonomia
Per ogni "nodo foglia" sono necessari due tipi di file di dati.
qna.yaml- Include domande e risposte relative alle informazioni contenute nel documento informativo. Le domande e le risposte sono organizzate in coppie chiave/valore.
attribution.txt- Include le fonti delle informazioni aggiunte al file “
qna.yaml”. Questo campo è facoltativo, ma è obbligatorio per i contributi al repository open source della tassonomia Red Hat AI Inference.
Documenti informativi
Qualsiasi conoscenza aggiunta a una tassonomia deve essere supportata da un documento informativo, che funge da fonte autorevole per le informazioni fornite al modello. Il documento deve essere un file di tipo “ Markdown ” presente in una directory
separata dalla tassonomia. È necessario indicare il documento di riferimento e la directory in cui è archiviato nella sezione “ document_outline ” del file “ qna.yaml ”. Per ulteriori informazioni ed esempi di documenti
di conoscenza, consultare le sezioni " Preparazione dei documenti di conoscenza " ed "Esempio di riferimento a un file di documento di conoscenza ".
Informazioni sui file " qna.yaml "
Il file " qna.yaml " contiene domande e risposte basate sulle informazioni presenti nel relativo documento di riferimento. Le domande e le risposte vengono memorizzate come coppie chiave/valore; per ogni file qna.yaml è richiesto un minimo di cinque coppie. Alla fine del file qna.yaml , nella sezione document_outline , è necessario indicare il documento di riferimento e la directory in cui è archiviato.
Per i requisiti completi del file “ qna.yaml ” e per esempi di contributi di conoscenza, consultare il file modello “ qna.yaml ” e l’Esempio di invio di conoscenze.
Competenze relative ai file qna.yaml
La sezione " qna.yaml " contiene domande e risposte che spiegano come eseguire un'operazione semplice. Per insegnare a un modello a fare rime, ad esempio, potresti inserire una domanda del tipo “ What are 5 words that rhyme with skill? ” con la risposta “ spill, mill, drill, fill, chill ”. Le domande e le risposte vengono memorizzate come coppie chiave/valore; per ogni file qna.yaml è richiesto un minimo di cinque coppie.
Le competenze che aggiungi possono essere "grounded", ovvero richiedere input aggiuntivi per fornire un contesto, oppure "ungrounded", ovvero non richiedere alcun contesto aggiuntivo. Per le competenze di base, è possibile
aggiungere il contesto nel file “ qna.yaml ” tramite il campo “ context ”. Quando si aggiunge una competenza concreta a una tassonomia, questa deve trovarsi su un ramo che inizi con la parola “ grounded ”, ad esempio “ grounded/games/sudoku ”.
Per i requisiti completi di “ qna.yaml ” e per esempi di contributi relativi alle competenze, consultare la sezione “The skills files ” nella documentazione di “ Red Hat AI Inference ”. Si noti che non è necessario allegare un documento separato quando si aggiungono le competenze.