Skip to main content
UploadLanguage (EN)Support
BusinessMobileSocial MediaMarketingTechnologyArt & PhotosCareerDesignEducationPresentations & Public SpeakingGovernment & NonprofitHealthcareInternetLawLeadership & ManagementAutomotiveEngineeringSoftwareRecruiting & HRRetailSalesServicesScienceSmall Business & EntrepreneurshipFoodEnvironmentEconomy & FinanceData & AnalyticsInvestor RelationsSportsSpiritualNews & PoliticsTravelSelf ImprovementReal EstateEntertainment & HumorHealth & MedicineDevices & HardwareLifestyle
OT
Uploaded byOCTO Technology
PDF, PPTX749 views

La Grosse Conf 2024 - Philippe Prados - Atelier - RAG : au-delà de la démonstration simpliste

La conférence 'Data i IA' par Octo Technology, qui se tiendra le 27 mars 2024 à Paris, portera sur des ateliers pratiques concernant les modèles de langage (LLM) et la génération augmentée par récupération (RAG). Les participants auront accès à des ressources telles que des diapositives et des notebooks, et seront encouragés à poser des questions pour mieux comprendre les concepts abordés. Les thèmes incluent la qualité des résultats, la mesure des performances des LLM, et les techniques d'ingénierie de prompt pour améliorer les réponses générées.

Technology◦
Download as PDF, PPTX
LA CONF DATA I IA BY OCTO TECHNOLOGY #LAGROSSECONF La Grosse Conf. La conf Data I IA by OCTO 27.03.2024 I Parc Floral de Paris
.2 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved 08 04 07 01 02 03 05 06 Atelier LLM avancé Rappel sur les LLM Rappel sur les RAG (Retrieval Augmented Generation) L’obsession de la mesure Si les résultats ne sont pas bon ? Mise en œuvre Mesurer Pour conclure Sommaire
ici mettre une Photo .3 THERE IS A BETTER WAY Atelier LLM avancé 01
LA CONF DATA I IA BY OCTO TECHNOLOGY #LAGROSSECONF Philippe PRADOS Dinosaure de l’informatique
.5 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved ● C’est un atelier technique. On va regarder du code. ● Pas besoin de prendre des notes Vous aurez accès : ○ aux slides ○ à un Notebook qui reprend tout ce qui est montré dans la démo ● Beaucoup d’informations seront communiquées, alors restez concentré ● Posez vos questions dès que possible, sinon il sera difficile d’y revenir Avant-Propos
ici mettre une Photo .6 THERE IS A BETTER WAY Rappel sur les LLM 02
.7 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Utilisation d’un LLM token token token token … Texte (Prompt) Texte Génération
.8 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Les tokens https://platform.openai.com/tokenizer (8 tokens) (6 tokens)
.9 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Lors de l’apprentissage ● Toutes les connaissances et le “bon sens” emmagasinés lors de l’apprentissage du modèle ● Valable jusqu’à une certaine date ● Pas de connaissance sur le contexte du moment : ○ Pas de notion de date ○ De lieux ○ Etc Ajoutée dans le prompt ● Tout ce qu’on peut ajouter pour l’enrichir avant de lui demander de résoudre un problème. Les connaissances d’un LLM
.10 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved La limite de tokens dans les modèles
.11 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved La limite de tokens dans les modèles PROMPT GÉNÉRATION
.12 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Comment alimenter le prompt ? Le problème de l’ingénieur PROMPT GÉNÉRATION ● Avec des informations pertinentes, ● Sans dépasser l’espace réservé, ● Et en laissant assez de place pour répondre ?
.13 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved C’est la plus grosse difficulté à gérer pour l’ingénieur Le nombre et la taille des fragments est limité This model's maximum context length is 4097 tokens, however you requested 5001 tokens (4900 in your prompt; 101 for the completion). Please reduce your prompt; or completion length.
ici mettre une Photo .14 THERE IS A BETTER WAY Rappel sur les RAG (Retrieval Augmented Generation) 03 Retrieval-Augmented Generation …. On augmente les modèles de langages (LLMs)
.15 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Rappel d’une architecture RAG Raw Data Sources Information Extraction Chunking “ ” Embeddin g A B C D Data Preparation Retrieval Augmented Generation Relevant Data LLM Respons e 3 4 5 Embedding Query 1 2 Embedding Query Vector DB
.16 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Injection dans le prompt Vector DB top_k Query Prompt Context Question: {questions} Format: {format} Response:... Découpe du document en fragment La taille des fragments est limitée par la taille du prompt, et par les limites de l’algo d’embedding
ici mettre une Photo .17 THERE IS A BETTER WAY L’obsession de la mesure 04
.18 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Ce qui ne se mesure pas, ne s’améliore pas
.19 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Frameworks de mesures https://docs.ragas.io/ … Utiliser un LLM pour qualifier les résultats d’un LLM ? https://mlflow.org/ https://github.com/truera/trule ns
.20 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved QUALITÉ : Deux composants à étudier dans un RAG Documents Base Vecteur Question LLM embedding LLM embedding Prompt Engineering Réponse avec références LLM Text (Agent Conversationnel ) RETRIEVER GENERATION
.21 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Un score qui prend en compte les différents axes d’évaluation Framework : Ragas ragas : https://github.com/explodinggradients/ragas GENERATION Faithfulness (fidélité) Answer relevancy (Pertinence de la réponse) RETRIEVER Context precision (Pertinence du context) Context Recall (Rappel du contexte)
.22 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Toutes les évaluations sont fausses, mais certaines sont utiles. QUALITÉ GENERATION RETRIEVER RESPONSABILITÉ Impact Carbon Biais Moderation INFRASTRUCTURE Latence Cout inférence SÉCURITÉ Prompt injection Gestion des accès Pas seulement la qualité… Des évaluations à plusieurs niveaux, dont l’importance dépend du cas d’usage
.23 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Sélectionner les métriques à suivre L’évolution des métriques peut être contradictoire (améliorer l’une, c’est dégrader une autre) Il est nécessaire, au début du projet, de sélectionner la ou les 2 métriques principales > D’autre métriques peuvent aiguiller sur les impacts des stratégies d’amélioration > En s’assurant d’un impact bénéfique pour les métriques principales
ici mettre une Photo .24 THERE IS A BETTER WAY Si les résultats ne sont pas bon ? 05
.25 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Méthodes d’adaptation des LLMs Prompt engineering Méthode d’injection de texte dans le prompt afin d’orienter le modèle vers des réponses désirées. Fine tune Build your Own Complexité et Coûts Fine Tune Le processus de fine-tuning consiste à entraîner plus en profondeur un modèle de langage pré-entraîné sur un ensemble de données plus restreint, spécifique à une tâche particulière. Build your own Un processus de construction de son propre modèle consistant à entraîner un modèle de langage sur un ensemble de données conséquent, spécifique à une tâche particulière et comportant des étiquettes. PE RAG Retrieval Augmented Generation (RAG) Méthode d'ingénierie de prompt avec enrichissement du contexte à partir de sources de données externes afin d'obtenir des réponses plus précises.
.27 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved TESTER, TESTER … TESTER ÉVALUATI ON OpenAI diffuse son retour d’expérience pour construire un RAG 98 % d’accuracy sans fine tuning ! … because with prompt engineering and RAG, it sounds like these things can be quite simple, but they're really quite hard. It takes a lot of iterations and a lot of testing and learning to actually make this happen for real.” OpenAI nov-2023 https://www.youtube.com/watch?v=ahnGLM-RC1Y
.28 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Raw Data Sources Information Extraction Chunking “ ” Embeddin g A B C D Data Preparation Retrieval Augmented Generation Relevant Data LLM Respons e 3 4 5 Embedding Query 1 2 Embedding Query Vector DB Où optimiser ?
.29 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Rappel d’une architecture RAG Raw Data Sources Information Extraction Chunking “ ” Embeddin g A B C D Data Preparation Retrieval Augmented Generation Relevant Data LLM Respons e 3 4 5 Embedding Query 1 2 Embedding Query Vector DB https://ann-benchmarks.com/ https://huggingface.co/spaces/mteb/leaderboard Stronger performance. Comparing text-embedding-ada-002 to text-embedding-3-small, the average score on a commonly used benchmark for multi-language retrieval (MIRACL) has increased from 31.4% to 44.0%, while the average score on a commonly used benchmark for English tasks (MTEB) has increased from 61.0% to 62.3%. - OpenAI
ici mettre une Photo .30 THERE IS A BETTER WAY Mise en œuvre 06
.31 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Étape transformation Partir des documents vers un format exploitable pour un RAG ๏ Faiblesse: > L’algo d’embedding n’est pas très efficace > La réponse est : ○ Dans plusieurs fragments ○ Dans une partie d’un fragment (vecteur éloigné) ○ Nécessite plusieurs fragments éloignés ○ Demande un contexte spécifique > Les fragments ne sont pas correctements associés aux questions ๏ Stratégie: > Enrichir chaque fragment d’un contexte > Travailler la proximité vectorielle entre la question et les fragments
.32 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Deux étapes principales Lors de l’import… Injection de la structure + split Enrichissement du contexte Ajouter la question avec la réponse ? Niveau du chapitre dans le contenu et les metadata ? En série Résumé du fragment Générer des questions Extraire chaque phrase, … en parallèle Vector DB
.33 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Lors de l’import : créer des variations aux fragments Comment gérer le cycle de vie de tout cela ?
.34 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Filtrer après la sélection Vector DB Retriever Combiner les sources On pose plusieurs questions ? On ajoute les résumés ? Une autre source “full-text” ? Filtrer les documents Avec certains meta-data ? Un seuil de proximité ? Compresser les résultats Requalifier. Ne garder que l’essentiel
.35 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Améliorer la proximité… Vecteur de la question Vecteur des fragments Proximité 0.5 0.8
.36 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Améliorer la proximité… Vecteur de la question Vecteur des fragments Vecteur des dérivés Proximité 0.8
.37 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved … puis filtrer Vecteur de la question Vecteur des fragments Vecteur des dérivés Proximité Filtre
.38 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Démo
.39 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved RAGVectorstore RAG Vectorstor e Vector DB RecordManager Doc Store Pour stocker les fragments non transformés Pour stocker les vecteurs Pour stocker les relations entre les documents, les fragments et les vecteurs Transformations Transformations Transformations parent_transformer Transformations Transformations Transformations chunk_transformer add_documents
.40 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Où a-t-on optimisé ? Raw Data Sources Information Extraction Chunking “ ” Embeddin g A B C D Data Preparation Retrieval Augmented Generation Relevant Data LLM Respons e 3 4 5 Embedding Query 1 2 Embedding Query Vector DB Optimisation appliquée
.41 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Rappel des stratégies Optimisation Description Pas d’optimisation. RAG simple Classify+ SelfQuery Ajoute des tags aux documents, puis ajoute un filtre sur les tags lors de la sélection des documents GenerateQuestion Génère n questions pour chaque fragment, et l’ajoute au VS Summarize Ajoute un résumé dans une variation, et peut également l’utiliser comme document MultiQuery Génère plusieurs questions et recherche tous les documents associés à toutes les questions Merger Mélange plusieurs listes de documents, venant de plusieurs sources EmbeddingFilter Supprime les documents trop similaires Extractor Extrait uniquement les parties du document permettant de répondre à la question Filter Filtre les documents ne permettant pas de répondre à la question LongContextReoder Réordonne les documents suivant leurs notes, afin d’améliorer leurs prises en comptes.
.42 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Coûts en Embedding, LLM et VS Optimisation LLM Maj Embedding MaJ LLM Par Requête Embedding par Requêtes Recherche VS Pas d’optimisation avg_thunks x n_docs 1 1 1 Classify+ SelfQuery avg_thunks x n_docs avg_thunks x n_docs +1 GenerateQuestion +1 +n_questions Summarize avg_thunks x n_docs +n_docs +1 MultiQuery 1 +n_queries +n_queries Merger +n_merge +n_merge EmbeddingFilter +top_k Extractor +top_k Filter +top_k LongContextReoder
.43 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Plein d’autres stratégies Reciprocal Rank Fusion (pour fusionner plusieurs retriever) 01. Hybrid Search (BM25 + Vector) 02. ETC… 03.
ici mettre une Photo .44 THERE IS A BETTER WAY Mesurer 07
.45 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Feature flipping ๏ Il faut un atelier de test, en mode feature flipping ๏ Pouvoir mesurer l’impact de chaque optimisation ๏ Stratégie recommandée: > Mesure l’impact de chacune, sur différente métrique et un petit volume de question > Sélectionner les features les plus efficaces et les combiner > Mesurer sur un volume plus important de questions > et réajuster
.46 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved REX
.47 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Fidélité La cohérence factuelle d'une réponse est évaluée par rapport à un contexte donné, sur une échelle de (0,1), et considérée comme fidèle si toutes les affirmations pouvant être déduites du contexte. Pour ce faire, chaque affirmation est identifiée et vérifiée par recoupement. Pertinence du contexte La pertinence du contexte récupéré est déterminée en comparant la question et le contexte, les valeurs les plus élevées indiquant une meilleure pertinence. Le contexte récupéré doit contenir des informations essentielles pour la requête, et la valeur est estimée en identifiant les phrases pertinentes. Les valeurs se situent dans l'intervalle (0, 1), les valeurs les plus élevées indiquant une meilleure pertinence. Précision du contexte La précision du contexte est une mesure évaluant le classement de tous les éléments pertinents dans les contextes, les scores les plus élevés indiquant une meilleure précision, calculée à l'aide de la question et des contextes, avec des valeurs allant de 0 à 1. Pertinence de la réponse La pertinence des réponses est une mesure d'évaluation qui évalue la pertinence d'une réponse à une question donnée. Elle varie de 0 à 1, les scores les plus élevés indiquant une meilleure pertinence. Le LLM calcule ce score en générant plusieurs fois des questions appropriées et en mesurant la similarité cosinus moyenne entre ces questions et la question originale. Métriques SANS annotations/vérités
.48 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Similarité sémantique de la réponse Le concept de similarité sémantique des réponses évalue la ressemblance sémantique entre une réponse et la vérité, avec des valeurs allant de 0 à 1. Un score plus élevé indique un meilleur alignement et fournit des informations précieuses sur la qualité des réponses. L'évaluation utilise un modèle de cross- encoder pour calculer le score. Exactitude de la réponse Cette métrique évalue l'exactitude d'une réponse par rapport à la vérité, en utilisant un système pondéré pour déterminer la similarité sémantique et factuelle (fidélité). Un score plus élevé indique une meilleure exactitude, et les utilisateurs peuvent arrondir le score à l'unité binaire s'ils le souhaitent. Rappel du contexte Le rappel de contexte est une mesure de l'alignement d'un contexte récupéré avec la vérité. Il est calculé en analysant chaque phrase de la réponse de référence pour déterminer si elle peut être attribuée au contexte récupéré, les valeurs les plus élevées indiquant une meilleure performance. Métriques AVEC annotations/vérités
.49 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Métriques intégrées Nocivité (Harmfulness) Malveillance (Maliciousness) Cohérence (Coherence) Exactitude (Correctness) Concision (Conciseness) La demande cause-t- elle ou pourrait-elle causer un préjudice à des individus, à des groupes ou à la société dans son ensemble ? La soumission a-t-elle l'intention de nuire, de tromper ou d'exploiter les utilisateurs ? Le dossier présente-t- il des idées, des informations ou des arguments de manière logique et organisée ? Soyez strict sur ce point. Les informations soumises sont-elles exactes et exemptes d'erreurs ? Soyez vigilant sur ce point. Le document transmet-il les informations ou les idées de manière claire et efficace, sans détails inutiles ou redondants ? Soyez strict sur ce point.
ici mettre une Photo .50 THERE IS A BETTER WAY Pour conclure 08
.51 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved ๏ Un RAG simple est facile (la démo, ça va…) ๏ Un RAG avancée demande beaucoup d’efforts, d’intuition et de mesure Pour vous aider: https://github.com/pprados/langchain- rag RAG c’est facile ?
.52 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved Rejouez la conf ? https://urlz.fr/psVh Take away
.53 LA GROSSE CONF BY OCTO TECHNOLOGY © 2024 - All rights reserved
OCTO I PART OF ACCENTURE© 2024- All rights reserved