Torna alla versione inglese della documentazione

Dettagli del modello RAG AutoAI

Ultimo aggiornamento: 14 mar 2025

Al termine dell'esperimento AutoAI RAG, visualizzare i dettagli di un modello per comprenderne la composizione e le prestazioni.

Panoramica dei modelli

Dalla classifica della pipeline, è possibile visualizzare una tabella con le seguenti informazioni per ciascuno dei modelli generati dall'esperimento:

Colonna	Descrizione
Classificazione	Classifica dei posizionamenti in base alle migliori prestazioni per la metrica ottimizzata
Nome	Nome modello
Nome modello	Nome del modello di incorporamento utilizzato per vettorializzare e indicizzare i documenti
Ottimizza metrica	Risultato delle prestazioni per la metrica ottimizzata selezionata per l'esperimento. Un modello RAG può essere ottimizzato per la fedeltà della risposta e la correttezza della risposta
Dimensione del blocco	Quantità di dati recuperati dai documenti indicizzati
Metodo di richiamo	Metodo (Finestra o Semplice) utilizzato per recuperare i documenti indicizzati
Metrica di distanza dell'archivio vettori	Metrica (coseno o euclidea) utilizzata per misurare la pertinenza dei vettori memorizzati rispetto ai vettori di ingresso

Dettagli del pattern

Fare clic sul nome di un modello per esaminarne i dettagli di configurazione. Per confrontare due modelli, attiva Confronta modelli e seleziona un modello da confrontare. Alcune impostazioni di configurazione sono modificabili al momento della creazione dell'esperimento. Per i dettagli, vedere Personalizzazione delle impostazioni dell'esperimento RAG.

Informazioni sul pattern

Colonna	Descrizione
Modello	Nome modello
Tipo di punteggio	Come viene calcolata e presentata la metrica delle prestazioni. - Media: il punteggio medio della metrica. - IC alto: il limite superiore dell'intervallo di confidenza (IC) per il punteggio medio, che mostra il valore più alto che la metrica può raggiungere. - IC basso: il limite inferiore dell'intervallo di confidenza (IC) per il punteggio medio, che mostra il valore più basso che la metrica può raggiungere.
Correttezza della risposta	Correttezza della risposta generata, che comprende sia la rilevanza del contesto richiamato che la qualità della risposta generata.
Fedeltà della risposta	Accuratezza della risposta generata rispetto al testo richiamato.
Correttezza del contesto	Pertinenza della risposta generata rispetto all'input.

Archivio vettoriale

Colonna	Descrizione
Tipo di origine dati dell'archivio vettori	Origine dati che si connette all'archivio vettori.
Metrica di distanza dell'archivio vettori	Metrica utilizzata per misurare la pertinenza dei vettori archiviati rispetto al vettore di input.
Nome dell'indice dell'archivio vettori	Indice utilizzato come struttura dati per l'archiviazione e il richiamo degli archivi vettori.
Operazione di memorizzazione del vettore	Operazione di memorizzazione vettoriale per il recupero dei dati. Ad esempio, upsert per inserire o aggiornare righe nella tabella del database.
Campi dello schema di memorizzazione del vettore	Schema per la memorizzazione dell'indice dei documenti vettoriali.
ID schema del negozio vettoriale	Identificatore univoco dello schema di memorizzazione vettoriale.
Nome schema di memorizzazione del vettore	Nome dello schema utilizzato per strutturare la tabella del database
Tipo di schema di memorizzazione del vettore	Determina il tipo di dati che possono essere memorizzati nello schema e le operazioni che possono essere eseguite sui dati. Il tipo di schema struct viene utilizzato per memorizzare dati strutturati.

Suddivisione in blocchi

Colonna	Descrizione
Sovrapposizione dei blocchi	Numero di blocchi che condividono parole o frasi comuni.
Dimensione del blocco	Quantità di dati richiamati dai documenti dell'indice.
Aumento dei blocchi	Come viene richiamato il testo pertinente per ogni blocco dell'input dopo la suddivisione dell'input in più blocchi.

Integrazioni

Colonna	Descrizione
Modello di integrazione	Modello di integrazione utilizzato per vettorializzare e indicizzare la raccolta di documenti.
Tronca token di input	Numero massimo di token accettati come input.
Strategia di troncamento	Strategia utilizzata per determinare come elaborare i documenti richiamati per ottimizzare le prestazioni del modello.

Richiamo

Colonna	Descrizione
Metodo di richiamo	Metodo utilizzato per richiamare i documenti indicizzati: finestra o semplice.
Numero di blocchi	Numero di blocchi richiamato dai documenti indicizzati.
Dimensione finestra	Numero di token adiacenti considerato dal modello durante il richiamo del testo dai documenti indicizzati.

Generazione

Colonna	Descrizione
Testo del template di contesto	Template strutturato per la risposta generata.
Modello di base	Modello di base utilizzato nell'esperimento. Fare clic sull'icona di anteprima per visualizzare i dettagli del modello.
Metodo di decodifica	Processo che un modello utilizza per scegliere i token nell'output generato.
Numero massimo di nuovi token	Numero massimo di nuovi token che può essere generato in aggiunta ai token richiamati dai documenti indicizzati.
Numero minimo di nuovi token	Numero minimo di nuovi token che possono essere generati.
Testo del template di prompt	Struttura con linee guida per il modello da utilizzare durante il richiamo del testo dai documenti indicizzati.
Rapporto tra parole e token	Numero di parole in un testo diviso per il numero di token generati.

Domande e risposte di esempio

Colonna	Descrizione
Domande e risposte di esempio	Le domande e le risposte corrette sono fornite come dati di prova per misurare le prestazioni del modello. Esempio:

Argomento principale: Automatizzazione di un modello RAG con AutoAI

L'argomento è stato utile?

0/1000