Adaptive-RAG 使用与启动教程
Adaptive-RAG 项目地址: https://gitcode.com/gh_mirrors/ad/Adaptive-RAG
1. 项目介绍
Adaptive-RAG 是一个新颖的自适应问答(QA)框架,它能够根据问题复杂度动态选择最合适的策略,适用于从最简单的到最复杂的检索增强大型语言模型(LLM)。该框架通过一个分类器来实现这一自适应选择过程,该分类器是一个较小的语言模型,用于预测输入查询的复杂度级别。
2. 项目快速启动
以下是快速启动 Adaptive-RAG 的步骤:
首先,创建一个 Conda 环境:
conda create -n adaptiverag python=3.8
conda activate adaptiverag
然后,安装所需的依赖:
pip install torch==1.13.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117
pip install -r requirements.txt
接下来,设置检索服务器:
wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-7.10.2-linux-x86_64.tar.gz
wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-7.10.2-linux-x86_64.tar.gz.sha512
shasum -a 512 -c elasticsearch-7.10.2-linux-x86_64.tar.gz.sha512
tar -xzf elasticsearch-7.10.2-linux-x86_64.tar.gz
cd elasticsearch-7.10.2/
./bin/elasticsearch # 启动服务器
# pkill -f elasticsearch # 停止服务器
确保 Elasticsearch 服务器在端口 9200 上运行,然后启动检索服务器:
uvicorn serve:app --port 8000 --app-dir retriever_server
3. 应用案例和最佳实践
在设置好检索服务器之后,你可以使用以下步骤来训练和评估 Adaptive-RAG:
- 准备数据集:根据项目说明,下载并处理所需的数据集。
- 训练分类器:根据项目中的脚本,使用不同的数据集来训练分类器。
- 评估 QA 性能:使用训练好的分类器,评估 Adaptive-RAG 的问答性能。
4. 典型生态项目
Adaptive-RAG 已经被集成到多个生态项目中,例如 LlamaIndex、LangChain 和 ReAct。这些项目利用 Adaptive-RAG 的能力来提升它们的问答和语言处理功能。
以上就是 Adaptive-RAG 的使用与启动教程。更多详细信息,请参考项目的官方文档和 GitHub 仓库。
Adaptive-RAG 项目地址: https://gitcode.com/gh_mirrors/ad/Adaptive-RAG