CRASHED: Sistema de Generación Aumentada de Recuperación Consistente para la Recuperación Eficaz de Documentos
Autoría
M.J.
Máster Universitario en Inteligencia Artificial
M.J.
Máster Universitario en Inteligencia Artificial
Fecha de la defensa
21.02.2025 12:30
21.02.2025 12:30
Resumen
En este trabajo, presentamos CRASHED, un sistema de Generación Mejorada de Recuperación (RAG) que aprovecha lo mejor de las bases de datos vectoriales y los grandes modelos lingüísticos para obtener respuestas correctas y contextualmente apropiadas. Nuestro sistema combina una base de datos de incrustación de documentos con un gran modelo lingüístico para producir respuestas. Mediante una búsqueda híbrida con métodos de reordenación, CRASHED selecciona los fragmentos de documentos más pertinentes y los utiliza para producir respuestas basadas en conocimientos externos. Introducimos una interfaz de agente conversacional basada en LangChain para que los usuarios puedan comunicarse con el sistema en un lenguaje fluido y natural. Nuestra evaluación cualitativa confirma que CRASHED recupera e incorpora eficazmente pasajes relevantes, produciendo respuestas precisas y contextualmente pertinentes. Este proyecto demuestra el potencial de los sistemas RAG para generar respuestas de alta calidad y allana el camino para seguir investigando y desarrollando en este campo.
En este trabajo, presentamos CRASHED, un sistema de Generación Mejorada de Recuperación (RAG) que aprovecha lo mejor de las bases de datos vectoriales y los grandes modelos lingüísticos para obtener respuestas correctas y contextualmente apropiadas. Nuestro sistema combina una base de datos de incrustación de documentos con un gran modelo lingüístico para producir respuestas. Mediante una búsqueda híbrida con métodos de reordenación, CRASHED selecciona los fragmentos de documentos más pertinentes y los utiliza para producir respuestas basadas en conocimientos externos. Introducimos una interfaz de agente conversacional basada en LangChain para que los usuarios puedan comunicarse con el sistema en un lenguaje fluido y natural. Nuestra evaluación cualitativa confirma que CRASHED recupera e incorpora eficazmente pasajes relevantes, produciendo respuestas precisas y contextualmente pertinentes. Este proyecto demuestra el potencial de los sistemas RAG para generar respuestas de alta calidad y allana el camino para seguir investigando y desarrollando en este campo.
Dirección
FERNANDEZ PICHEL, MARCOS (Tutoría)
Fontenla Seco, Yago Cotutoría
FERNANDEZ PICHEL, MARCOS (Tutoría)
Fontenla Seco, Yago Cotutoría
Tribunal
Gamallo Otero, Pablo (Presidente/a)
CORES COSTA, DANIEL (Secretario/a)
CHAVES FRAGA, DAVID (Vocal)
Gamallo Otero, Pablo (Presidente/a)
CORES COSTA, DANIEL (Secretario/a)
CHAVES FRAGA, DAVID (Vocal)