LLM大模型：Tree-RAG工作流程及实体树应用介绍

引言

T-RAG方法基于将检索增强生成（Retrieval-Augmented Generation，简称RAG）架构与开源经过微调的大型语言模型（Large Language Model，简称LLM）以及实体树向量数据库相结合。这种方法的重点在于上下文检索。

具体来说，T-RAG系统:

• 首先利用RAG架构进行信息检索，这一架构通过结合检索到的文档片段和生成的文本来生成响应。
• 通过在开源的LLM上进行微调，使得模型能够更好地理解和适应特定组织的需求和术语。

此外，T-RAG还包括了一个实体树向量数据库，这个数据库存储了组织内部实体的详细信息及其层级结构。在处理用户查询时，系统不仅会搜索相关的文档片段，还会检测查询中提到的任何组织相关实体，并将这些实体的详细信息整合到生成的上下文中。

本文分享了在私有文件上部署问答系统的LLM应用的经验，使用了一种名为Tree-RAG（T-RAG）的系统，该系统结合了实体层次结构以提高性能。

亮点

在论文中，研究人员开发了一个应用，该应用将检索增强生成（RAG）与微调后的开源大型语言模型（LLM）结合在一起，用于生成响应。这个模型是使用指令数据集进行训练的。

他们引入了一个新颖的评估指标，称为Correct-Verbose，旨在评估生成响应的质量。这个指标根据其正确性评估响应，同时考虑包含超出原始问题范围的额外相关信息。

T-RAG

以下是Tree-RAG（T-RAG）的工作流程：

对于给定的用户查询，搜索向量数据库以寻找相关的文档片段，这些片段作为LLM在上下文学习中的参考知识。

如果查询提到了有组织性的实体，那么将从实体树中提取关于这些实体的信息，并添加到上下文中。

最终使用微调的Llama-2 7B模型根据输入的数据生成响应。

T-RAG的一个特点是除了向量数据库用于上下文检索之外，还包括了一个实体树。

实体树

T-RAG的一个显著特点是其结合了实体树和向量数据库来进行上下文检索。实体树存储了组织性的实体及其层级安排的详细信息。

这里所说的组织性是指：很多时候，一些概念本身是有组织的，比如一家公司的各个部门，会有一些层级关系。树中的每个节点代表一个实体，父节点表示其所属的一个更广义的实体，比如一个小组的父节点是其所属的部门。

在检索过程中，框架利用实体树来增强从向量数据库检索到的上下文。

实体树搜索和上下文生成的详细过程如下：

1. 一个解析模块扫描用户查询，寻找与组织内实体名称相对应的关键词。
2. 一旦识别出一个或多个匹配项，就从树中提取每个匹配实体的详细信息。
3. 这些细节被转换成文本陈述，提供有关实体及其在组织层级中位置的信息。
4. 随后，这些信息与从向量数据库检索到的文档片段合并，构建上下文。
5. 由此，当用户询问有关实体时，模型可以获得有关实体及其在组织层级中的定位的相关信息。

例子

如下图所示：

这里使用了一个组织结构树，来展示如何执行树搜索和检索。

除了获取上下文文档外，还使用spaCy库和自定义规则来识别组织内的命名实体。

如果查询包含一个或多个这样的实体，将从树中提取有关实体层级位置的相关信息，并将其转换为文本陈述。然后，这些陈述被整合到上下文中，与检索到的文档一起使用。

然而，如果用户的查询没有提到任何实体，那么将省略树搜索过程，只使用从检索到的文档中获取的上下文以加速响应。

总结

这项研究结合了检索增强生成（RAG）和微调技术。同时，使用在本地部署的开源模型来解决数据隐私问题，。

此外，通过spaCy框架使用实体进行实体搜索和上下文生成也很有趣。通过这种方式，T-RAG能够在提供准确和相关响应的同时，保持对上下文的敏感性和对组织内部结构的理解。这种结合检索、生成和实体检测的方法，为构建高效、可靠的问答系统提供了一种有效的解决方案。

​

如何学习大模型

现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。

作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

二、AI大模型视频教程

三、AI大模型各大学习书籍

四、AI大模型各大场景实战案例

五、结束语

学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。

再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。

因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。