Поскольку хотелось бы выбрать наиболее подготовленных практикантов, предлагаю такое тестовое задание.
Некоторое время назад я взял одну большую публикацию по RAG, и частями ее выкладывал в Хабр. Но на последнюю часть у меня уже времени не хватило.
Вот опубликованные части:
1. https://habr.com/ru/articles/893650/
2. https://habr.com/ru/articles/902976/
3. https://habr.com/ru/articles/904232/
4. https://habr.com/ru/articles/910162/
В качестве теста я прошу изучить эти публикации и по аналогии подготовить пару абзацев из 5-й части (по тексту публикации - https://arxiv.org/pdf/2312.10997 - это 6-я часть):
VI. TASK AND EVALUATION
The rapid advancement and growing adoption of RAG in the field of NLP have propelled the evaluation of RAG models to the forefront of research in the LLMs community. The primary objective of this evaluation is to comprehend and optimize the performance of RAG models across diverse application scenarios.This chapter will mainly introduce the main downstream tasks of RAG, datasets, and how to evaluate RAG systems.
A. Downstream Task
The core task of RAG remains Question Answering (QA), including traditional single-hop/multi-hop QA, multiple choice, domain-specific QA as well as long-form scenarios suitable for RAG. In addition to QA, RAG is continuously being expanded into multiple downstream tasks, such as Information Extraction (IE), dialogue generation, code search, etc. The main downstream tasks of RAG and their corresponding datasets are summarized in Table II.
Обращаю внимание, что у меня в тексте не чисто перевод, а адаптация - т.е. к непонятным терминам я добавляю пояснения и картинки (из других публикаций, они упоминаются в библиографии). Это и есть элемент копирайтинга в этом переводе. Кроме того, сам перевод я делаю не академичным стилем, а нормальным, ИТшным, человечьим.
Таким образом:
• от вас — желание нарабатывать портфолио, копаться в материалах, учиться работе над текстами в связке с ИИ, и масса свободного времени;
• от меня — обратная связь, комментарии по выполненной работе, упоминание в работе, которую доводим до публикации.
Если интересует, пишите в личку.