红帽全球峰会第 1 章 自定义税务树
您可以使用 RHEL AI 环境中的知识或技能数据修改税务树，以创建自己的自定义 Granite Large Language Model (LLM)。在 RHEL AI 上，创建数据集的知识与技能以 YAML 的形式进行格式化。此 YAML 配置称为 qna.yaml 文件，其中 "qna" 代表问题和回答。分类树是包含 qna.yaml 文件的分类和信息分类方法。
以下文档章节描述了如何为您的税务树创建技术和知识 qna.yaml 文件。
您可以使用一些受支持的知识文件类型来培训入门 Granite LLM。当前支持的文档类型包括：
- Markdown
1.1. 知识与知识概述
复制链接链接已复制到粘贴板!
您可以使用知识和知识集，并指定域特定信息来呈现您的自定义模型。
- 知识
- 由信息和事实组成的数据集。在为模型创建知识数据时，您要为它提供附加数据和信息，以便模型可以更准确地回答问题。
- 技能
个数据集，您可以在其中教授模型如何执行任务。RHEL AI 的技术被分成几个类别：
组成技能：组成技能允许 AI 模型执行特定任务或功能。有两种组成技能：
- 自由组成技能：这些都是执行不需要额外上下文或信息才能正常工作的。
- 现场组成技能：这些都是需要额外上下文的执行技能。例如，您可以省略模型来读取表，其中附加上下文是表布局的示例。
- 基础技能：基础技能是涉及数学、原因和编码等技能。
其它资源
'%20d='M201.5%20305.5c-13.8%200-24.9-11.1-24.9-24.6%200-13.8%2011.1-24.9%2024.9-24.9%2013.6%200%2024.6%2011.1%2024.6%2024.9%200%2013.6-11.1%2024.6-24.6%2024.6zM504%20256c0%20137-111%20248-248%20248S8%20393%208%20256%20119%208%20256%208s248%20111%20248%20248zm-132.3-41.2c-9.4%200-17.7%203.9-23.8%2010-22.4-15.5-52.6-25.5-86.1-26.6l17.4-78.3%2055.4%2012.5c0%2013.6%2011.1%2024.6%2024.6%2024.6%2013.8%200%2024.9-11.3%2024.9-24.9s-11.1-24.9-24.9-24.9c-9.7%200-18%205.8-22.1%2013.8l-61.2-13.6c-3-.8-6.1%201.4-6.9%204.4l-19.1%2086.4c-33.2%201.4-63.1%2011.3-85.5%2026.8-6.1-6.4-14.7-10.2-24.1-10.2-34.9%200-46.3%2046.9-14.4%2062.8-1.1%205-1.7%2010.2-1.7%2015.5%200%2052.6%2059.2%2095.2%20132%2095.2%2073.1%200%20132.3-42.6%20132.3-95.2%200-5.3-.6-10.8-1.9-15.8%2031.3-16%2019.8-62.5-14.9-62.5zM302.8%20331c-18.2%2018.2-76.1%2017.9-93.6%200-2.2-2.2-6.1-2.2-8.3%200-2.5%202.5-2.5%206.4%200%208.6%2022.8%2022.8%2087.3%2022.8%20110.2%200%202.5-2.2%202.5-6.1%200-8.6-2.2-2.2-6.1-2.2-8.3%200zm7.7-75c-13.6%200-24.6%2011.1-24.6%2024.9%200%2013.6%2011.1%2024.6%2024.6%2024.6%2013.8%200%2024.9-11.1%2024.9-24.6%200-13.8-11-24.9-24.9-24.9z'/%3e%3c/svg%3e){kind=small}