1장. taxonomy 트리 사용자 정의
RHEL AI 환경에서 지식 또는 기술 데이터로 taxonomy 트리를 수정하여 자체 사용자 지정 Granite Large Language Model(LLM)을 생성할 수 있습니다. RHEL AI에서 데이터 세트 생성 지식 및 기술은 YAML로 포맷됩니다. 이 YAML 구성을 qna.yaml 파일이라고 합니다. 여기서 "qna"는 질문 및 응답을 나타냅니다. taxonomy 트리는 qna.yaml 파일을 보유하는 분류 및 정보 분류 방법입니다.
다음 문서 섹션에서는 taxonomy 트리에 대한 기술 및 지식 qna.yaml 파일을 생성하는 방법을 설명합니다.
Starter Granite Cryostat를 교육하는 데 사용할 수 있는 몇 가지 지식 문서 유형이 있습니다. 현재 지원되는 문서 유형은 다음과 같습니다.
- Markdown
1.1. 기술 및 지식 개요 링크 복사링크가 클립보드에 복사되었습니다!
기술 및 지식 세트를 사용하고 도메인별 정보를 지정하여 사용자 지정 모델을 알릴 수 있습니다.
- 지식
- 정보 및 사실로 구성된 데이터 세트입니다. 모델에 대한 지식 데이터를 생성할 때 추가 데이터 및 정보를 제공하여 모델이 질문에 보다 정확하게 응답할 수 있도록 합니다.
- 기술
작업을 수행하는 방법을 모델을 알릴 수 있는 데이터 세트입니다. RHEL AI에 대한 기술은 카테고리로 나뉩니다.
구성 기술: 가정 기술을 통해 AI 모델이 특정 작업 또는 기능을 수행할 수 있습니다. 구성 기술은 다음 두 가지 유형이 있습니다.
- Freeform 구성 기술: 기능에 추가 컨텍스트 또는 정보가 필요하지 않은 수행 기술입니다.
- 기본 구성 기술: 이는 추가 컨텍스트가 필요한 수행 기술입니다. 예를 들어 모델에게 테이블을 읽도록 유도할 수 있습니다. 여기서 추가 컨텍스트는 테이블 레이아웃의 예입니다.
- Foundation Technology: Foundational 기술은 math, reasoning 및 coding을 포함하는 기술입니다.
추가 리소스