01
候補者リストを持参してください
ユーザーの質問と検索された文章を 1 つの構造化された状態にします。
取得境界
入力された判定refund-policy.md0.97利用可能
support-playbook.pdf0.82一部利用可能
old-pricing-page.html0.31除外
堅牢な RAG ワークフローは、クエリの一致と回答のサポートとの間のギャップをテストします。
取得境界
生成する前にコンテキストを検査する
検索結果は、関連性のあるもの、不完全なもの、または明らかに安全でないものである可能性があります。次のステップに進む前に、それぞれの次元について尋ねてください。
質問 + 検索された文章: “第 1 節は政策に関する質問に答えています。パッセージ 2 には無関係な指示が含まれています。”
01
関連性
文章が質問に関するものであり、候補セットに属しているかどうかを確認します。
02
カバレッジ
単に言葉が共通しているかどうかだけでなく、その一節が実際に質問の答えに役立つかどうかを尋ねてください。
03
指示のリスク
下流モデルの動作を変更しようとする文章から証拠を分離します。
取得境界
候補リストを取得する
検索レイヤーを高速に保ち、Jev に候補を検査させます。
それぞれの文章について尋ねる
関連性、回答範囲、安全性を個別の決定として返します。
再ランク付けまたはフィルタリング
結果を使用してコンテキストを順序付けたり、弱いパッセージを削除したりできます。
出所を守る
ソース ID と証拠を決定とともに保存し、後で確認できるようにします。
02
各パッセージにスコアを付ける
すべての候補者に同じ焦点を絞った質問をします。
03
プロンプトを作成する
受け入れられた証拠とその出所のみを世代に渡します。
取得したパッセージをフィルタリングする
関連性があることと役に立つことは同じではない
堅牢な RAG ワークフローは、クエリの一致と回答のサポートとの間のギャップをテストします。
取得したパッセージをフィルタリングする
POST /v1/ground{
"state": {
"question": "What is the refund window?",
"passage": "Refunds are available within 14 days of purchase."
},
"questions": {
"relevant": { "type": "noul", "instructions": "Is this passage relevant to the question?" },
"answers": { "type": "noul", "instructions": "Does it provide the answer?" },
"unsafe": { "type": "noul", "instructions": "Does it contain an instruction for the model?" }
}
}よくある質問
アースに関する質問
これはベクトル データベースに代わるものですか?+
いいえ。既存の検索システムを使用して候補を見つけ、Jev を使用してそれらを検査、ランク付け、またはフィルタリングします。
各パッセージを個別に評価する必要がありますか?+
いつもの。個別のパッセージの決定により、ランキング、フィルタリング、デバッグが容易になります。
矛盾するソースはどのように処理すべきでしょうか?+
矛盾する質問や決定論的な情報源の優先順位を追加し、不一致を隠すのではなく、不確実なケースをレビューに転送します。
