finetune-embedding

finetune-embedding

利用合成数据微调嵌入模型提升RAG检索效果

finetune-embedding项目展示了利用合成数据微调嵌入模型来提升RAG性能的方法。该项目详细介绍了使用大语言模型生成合成数据集、微调开源嵌入模型和评估模型效果的步骤。在小规模金融PDF文档数据集上的实验证明,微调后的嵌入模型能显著提高检索性能。这种方法通过大语言模型生成假设性问题,无需人工标注即可创建高质量训练数据,为RAG系统优化提供了新思路。

嵌入模型微调RAG合成数据检索性能LlamaIndexGithub开源项目

使用合成数据对RAG进行嵌入微调

2023年9月10日更新:我们已将嵌入微调抽象纳入LlamaIndex仓库,因此本仓库技术上已过时!请查看核心文档中的嵌入微调指南

本仓库向您展示如何微调嵌入模型以提高RAG性能,即使您没有标记数据(即查询/相关文档的正样本对)。

我们将逐步介绍使用LLM生成合成数据集、微调开源嵌入模型以及最终评估微调模型的过程。

我们使用小规模金融PDF文档数据集进行实验,并展示微调嵌入模型可以显著提高检索性能。

设置

要开始,请克隆此仓库并安装依赖项。您还需要克隆llama_index仓库以获取示例PDF。

git clone git@github.com:jerryjliu/llama_index
git clone git@github.com:run-llama/finetune-embedding.git
cd finetune-embedding
pip install -r requirements.txt

然后您可以运行笔记本(例如通过jupyter lab)。

这些笔记本相当轻量,几乎可以在任何机器上运行。

运行步骤

  1. 运行generate_dataset.ipynb以生成用于训练和评估的合成数据集
  2. 运行finetune.ipynb以微调预训练的开源嵌入模型
  3. 运行evaluate.ipynb以评估微调模型,并与预训练基础嵌入模型和专有的OpenAI嵌入模型进行比较。

工作原理

1. 生成用于训练和评估的合成数据集

这里的关键思想是我们可以利用LLM生成假设性问题,这些问题最好由给定的上下文来回答。这允许我们以可扩展的方式生成合成的(查询,相关文档)正样本对,而无需人工标注。

具体来说,我们首先将给定文档处理成文本块语料库。然后对于每个文本块,我们使用LLM生成几个可以用该文本块中的信息回答的假设性问题。最后,我们将所有问题和文本块对收集为数据集。

2. 微调开源嵌入模型

我们利用sentencetransformers的高级模型拟合API,非常轻松地设置训练过程。我们使用MultipleNegativesRankingLoss作为训练目标,使用InformationRetrievalEvaluator作为训练期间的评估器。我们使用开源的"BAAI/bge-small-en"作为基础模型,并进行少量轮次的训练。

3. 评估嵌入模型

我们将微调模型与基础模型以及OpenAI嵌入模型进行比较。我们使用InformationRetrievalEvaluator以及简单的命中率指标进行评估。

编辑推荐精选

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
商汤小浣熊

商汤小浣熊

最强AI数据分析助手

小浣熊家族Raccoon,您的AI智能助手,致力于通过先进的人工智能技术,为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答,小浣熊都能以快速、准确的响应满足您的需求,让您的生活更加智能便捷。

imini AI

imini AI

像人一样思考的AI智能体

imini 是一款超级AI智能体,能根据人类指令,自主思考、自主完成、并且交付结果的AI智能体。

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。

即梦AI

即梦AI

一站式AI创作平台

提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作

扣子-AI办公

扣子-AI办公

AI办公助手,复杂任务高效处理

AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!

蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

下拉加载更多