分類学データ

この分類法には、3つのデータカテゴリがあります。

Knowledge

教科書や百科事典などの出典によって裏付けられているデータや事実。 タクソノミーにナレッジを追加する際は、タクソノミーディレクトリの外に存在し、信頼できる情報源として機能する別のナレッジドキュメントを参照する必要があります。

基礎的なスキル

数学、言語、プログラミングといった、さらなる知識の習得に活用できる基礎的なスキル。 こうしたスキルは通常、公開データを用いて習得されます。

文章構成力

知識と基礎的なスキルを組み合わせ、株式市場の分析など、より複雑な業務を遂行するためのスキル。

各カテゴリの詳細については、 Red Hat AI Inference のドキュメントにある 「『スキル』とは何ですか？」 および 「『知識』とは何ですか？」 をご覧ください。

分類ファイル

各「リーフノード」には、2種類のデータファイルが必要です。

qna.yaml

ナレッジドキュメントに記載されている情報に関連する質問と回答が含まれています。 質問と回答は、キーと値のペアとして整理されています。

attribution.txt

qna.yaml ファイルに追加された情報の出典が含まれています。 これは任意ですが、オープンソースの Red Hat AI Inference 分類リポジトリへの貢献を行う場合には必須となります。

知識文書

タクソノミーに追加される知識はすべて、知識ドキュメントによって裏付けられなければなりません。この知識ドキュメントは、モデルに供給される情報の「信頼できる情報源」としての役割を果たします。 そのドキュメントは、タクソノミーとは別のディレクトリにある Markdown ファイルでなければなりません。 qna.yaml ファイルの「 document_outline 」セクションで、ナレッジドキュメントおよびその保存先ディレクトリを指定します。 詳細情報やナレッジドキュメントのサンプルについては、「 ナレッジドキュメントの作成 」および「 ナレッジドキュメントファイルの参照例 」を参照してください。

qna.yaml ファイルに関する知識

「 qna.yaml 」ファイルには、関連するナレッジドキュメントに記載されている情報に基づいた質問と回答が含まれています。 質問と回答はキーと値のペアとして保存され、各 qna.yaml ファイルには最低5組のペアが必要です。 qna.yaml ファイルの末尾にある「 document_outline 」セクションで、ナレッジドキュメントとその保存先ディレクトリを指定する必要があります。 「 qna.yaml 」ファイルの完全な要件および知識投稿の例については、 「 qna.yaml 」テンプレートファイルおよび「 知識投稿の例 」をご覧ください。

qna.yaml ファイルの操作スキル

「 qna.yaml 」には、簡単なタスクを学ぶための質問と回答が掲載されています。 例えば、モデルに韻を踏むことを教えるには、「 What are 5 words that rhyme with skill? 」といった質問と、その答えとして「 spill, mill, drill, fill, chill 」を含めることができます。 質問と回答はキーと値のペアとして保存され、各 qna.yaml ファイルには最低5組のペアが必要です。

追加するスキルには、「グラウンデッド」なもの（文脈を与えるために追加の情報が必要なスキル）と、「アングラウンデッド」なもの（追加の文脈を必要としないスキル）があります。 「grounded skills」については、 qna.yaml ファイル内の context フィールドにコンテキストを追加します。 タクソノミーに「grounded skill」を追加する際は、そのスキルが「 grounded 」という単語で始まるブランチ（例： grounded/games/sudoku ）に配置されている必要があります。

qna.yaml の要件の詳細およびスキルによる貢献の例については、『 Red Hat AI Inference 』ドキュメントの「 The skills files 」を参照してください。 なお、スキルを追加する際に、別途ドキュメントを追加する必要はありません。