Tarea

Combina modelos de recuperación y generación para encontrar información presente en grandes corpus. En RAG, un modelo de recuperación primero selecciona piezas de información relevantes de un gran corpus, que luego son utilizadas por un modelo de generación para producir una respuesta coherente y contextualmente relevante. Puede basarse o no en preguntas y respuestas.

Representación matemática de texto o datos que captura las relaciones subyacentes y el contexto dentro de la información. Las incrustaciones de texto se utilizan a menudo en tareas de procesamiento del lenguaje natural y también se pueden aplicar en otras áreas del aprendizaje automático o desafíos funcionales como la búsqueda. Al transformar los datos en un formato numérico denso, las incorporaciones permiten que los modelos capturen mejor el significado y los matices de la información, lo que genera predicciones y conocimientos más precisos.

Se pueden asignar varias etiquetas a una sola instancia y el objetivo es predecir todas las etiquetas relevantes para una instancia determinada. Este tipo de problema se usa comúnmente en tareas de clasificación de texto o imágenes y generalmente se basa en el entrenamiento en un conjunto de datos etiquetados para hacer predicciones sobre datos nuevos sin etiquetar.