Лабораторная работа 3 — RAG-поиск по публикациям

RAG-поиск по корпусу научных публикаций

Формулировка задания может быть дополнительно скорректирована преподавателем.

Задание

1. Выберите тему поиска и через arXiv API соберите названия, авторов и аннотации публикаций. Например: свежие статьи cs.LG.
2. Разделите аннотации на чанки примерно по 500 слов с перекрытием 50 слов. Допускается обоснованная корректировка этих параметров.
3. Получите эмбеддинги текстов, например моделью all-MiniLM-L6-v2, и создайте векторное хранилище в FAISS.
4. Интегрируйте LLM, например FLAN-T5 или OpenAI GPT, для извлечения ключевых идей статьи или ответа на вопрос пользователя.
5. Настройте промпты для извлечения идей и результатов. Добавьте обработку опечаток, например через SymSpell или rapidfuzz. Протестируйте не менее пяти промптов и покажите примерами, что RAG улучшает ответы LLM.

Оценивание — 30 баллов

Часть	Что оценивается	Баллы
Извлечение данных	Корректность получения публикаций через arXiv API	2
Чанкинг	Корректность разбиения текста	6
Векторизация	Создание хранилища и корректность поиска	7
Интеграция LLM	Корректность работы и полнота ответов	8
Промпты и опечатки	Качество ответов и обработка ошибок	7

Сроки сдачи: дедлайны и баллы.