第1章 タクソノミーツリーのカスタマイズ
RHEL AI 環境内のナレッジまたはスキルデータを使用してタクソノミーツリーを変更し、独自のカスタム Granite Large Language Model (LLM) を作成できます。RHEL AI では、ナレッジとスキルで作成されたデータセットが YAML でフォーマットされています。この YAML 設定は qna.yaml ファイルと呼ばれ、"qna" は質問と回答を表します。タクソノミーツリーは、qna.yaml ファイルを保持するカテゴリーおよび情報分類の方法です。
次のドキュメントセクションでは、タクソノミーツリーのスキルとナレッジの qna.yaml ファイルを作成する方法を説明します。
スターター Granite LLM のトレーニングに使用できる、サポート対象のナレッジドキュメントタイプがいくつかあります。現在サポートされているドキュメントの種類は次のとおりです。
- マークダウン
1.1. スキルとナレッジの概要 リンクのコピーリンクがクリップボードにコピーされました!
スキルとナレッジセットを使用し、ドメイン固有の情報を指定してカスタムモデルを教えることができます。
- ナレッジ
- 情報およびファクトで構成されるデータセット。モデルのナレッジデータを作成するときは、モデルが質問に正確に答えられるように、追加のデータと情報を提供します。
- スキル
モデルにタスクの実行方法を教えることができるデータセット。RHEL AI のスキルは、次のカテゴリーに分類されます。
構成スキル: 構成スキルにより、AI モデルは特定のタスクや機能を実行できます。構成スキルには、以下の 2 つのタイプがあります。
- 自由形式の構成スキル: 機能するために追加のコンテキストや情報を必要としないパフォーマンススキルです。
- グラウンディング構成スキル: このスキルは追加のコンテキストを必要とする実行スキルです。たとえば、モデルが表を読み取れるように訓練できます。この場合、追加のコンテキストは表のレイアウトの例などです。
- 基礎スキル: 基礎スキルとは、数学、推論、コーディングに関わるスキルです。
関連情報