2026年7月9日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

T-RAG=RAG+微调+实体识别

发布日期:2024-03-28 21:58:16 浏览次数: 3572
作者:奇点智源

微信搜一搜,关注“奇点智源”

T-RAG技术将 RAG 架构与开源的微调语言模型 (LLM) 和实体树向量数据库相结合的基础之上,用于支持语境检索。 


背景介绍

大型语言模型 (LLM) 在各个领域得到越来越广泛的应用,尤其在使用私有企业文档的问答场景中。但由于数据安全性模型稳定性至关重要,定制化成为必然。
本文分享了针对企业私有文档、使用 Tree-RAG (T-RAG) 系统部署 LLM 问答应用的经验。
这种方法集成了实体层级信息以获取更优异的表现,而评估结果验证了它的有效性。这些经验对于将 LLM 落地到实际应用中具有实际指导意义。

数据隐私

由于文档的敏感性,安全风险成为首要考虑。为避免数据泄露,使用公有 API 调用私有 LLM 模型的方法变得行不通这就需要使用可以部署在内部的开源模型。外,有限的计算资源和基于现有文档建立的小型训练数据集都会带来相应的挑战。
如何在这样的环境下确保对用户问询提供可靠、准确的响应,就需要大量的定制化工作,进而衍生出了一系列复杂的考量因素。

技术亮点

这项研究的价值在于,他们提出了一种结合检索增强生成 (RAG) 方法和基于企业文档数据集微调的开源 LLM 模型的应用
此外,本研究还提出了一个新的评估指标,称为“Correct-Verbose”。旨在评估所生成回复的质量。该指标既考察答复的正确性,也兼顾答案是否涵盖了问题范围之外的其他相关信息。

T-RAG

Tree-RAG (T-RAG) 的工作流程如下...
在面对用户的问题时,系统先从向量数据库中搜索相关的文档片段用作 LLM 的背景知识。
如果查询中提到了任何与组织相关的实体,系统将从实体树中提取关于这些实体的信息并添加到背景知识中。随后,经过微调的 Llama-27B 模型会根据已呈现的信息生成答复。

实体树

T-RAG 的一个显著特点是在向量数据库之外引入了实体树 (entities tree) 来辅助语境检索。这个实体树中储存了与企业组织相关实体的详细信息以及它们的层级结构。树中的每个节点都代表一个实体,父节点表明该实体所属的组别。
在检索过程中,T-RAG 可以利用实体树来增强从向量数据库中检索到的语境信息。实体树的查询和语境生成过程如下:
  1. 首先,一个解析器模块会在用户的查询中扫描与组织内部实体名称相对应的关键字。

  2. 如果识别出一个或多个匹配项,会从实体树中提取关于每个匹配实体的详细信息。

  3. 这些细节被转化为文本语句,提供关于该实体及其在组织层级结构中位置的信息。

  4. 随后,这些信息会与从向量数据库中检索到的文档块相结合,以构建最终的语境。

  5. 通过这种方法,当用户提出关于特定实体的问题时,模型可以获取有关这些实体及其在组织中的层级位置的结构化知识。


结合上图,我们用一个组织结构图中的实例来直观说明语境生成过程中的树搜索和检索过程。
  1. 除了获取相关的背景文档,系统还使用 spaCy 库以及自定义规则识别出组织内的命名实体。

  2. 如果查询中包含一个或多个这样的实体,那么系统会从实体树中提取出关于该实体层级位置的相关信息,并将其转化为文本语句。

  3. 这些语句随后与检索到的文档一起被整合为最终的语境。

  4. 值得注意的是,如果用户的查询中没有提及任何实体,那么系统将会跳过树搜索步骤,仅使用从检索文档中获取的语境。

总结

这项研究具有一定的启发性,因为它将 RAG 方法、模型微调与实体识别相结合一方面,通过使用内部部署的开源模型来解决数据隐私问题;另一方面,有效地降低了推理延迟、token 使用成本,同时也兼顾了不同地区的用户需求。
此外,研究中采用了 spaCy 框架进行实体搜索和语境生成,这一方法也很有借鉴意义。而最重要的是,这不仅仅是一项理论研究,更是基于构建实际 LLM 应用的经验总结,具有很高的实践价值。

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅