Desarrollo de un chatbot basado en 'Large Language Model' (LLM) y técnicas de 'Retrieval-augmented Generation' (RAG) para asistente de dudas sobre la realización del TFG en el Grado de Ingeniería Informática
"El proceso de realización del TFG puede generar múltiples dudas en los alumnos, desde la elección del tema, la asignación de tutores, los diferentes pasos a seguir, documentación final a entregar o la presentación final. Para asistir en este proceso, se propone el desarrollo de un chatbot basado en modelos de lenguaje grandes (LLM) como ChatGPT, Bard o LLama. Para mejorar la precisión de la respuesta del modelo y evitar imprecisiones o alucinaciones se utilizará técnicas de “Retrieval-Augmented generation” (RAG), que permiten enriquecer las instrucciones al modelo con información específica sobre el TFG debidamente embebida en vectores (en el espacio del modelo) y almacenada en una base de datos vectorizada. Además, se quiere comparar el desempeño de este chatbot con un chatbot preexistente desarrollado en anteriores TFG, y determinar las mejoras y ventajas de esta nueva aproximación. Objetivos: Diseñar y desarrollar un chatbot basado en “Large Language Model” (LLM) que pueda responder a las dudas de los/las estudiantes sobre la realización del TFG. Integrar técnicas de ""Retrieval-Augmented Generation"" (RAG) para mejorar la precisión y relevancia de las respuestas del Chatbot, aprovechando la información contenida en documentos existentes sobre el TFG. Comparar el rendimiento y eficacia del chatbot desarrollado con un chatbot preexistente creado en un TFG anterior. "
https://proceedings.neurips.cc/paper/2020/hash/6b493230205f780e1bc26945df7481e5-Abstract.html
https://github.com/aav0038/UBU-CHATBOT https://www.deeplearning.ai/short-courses/langchain-for-llm-application-development/ https://www.deeplearning.ai/short-courses/langchain-chat-with-your-data/
source venv/bin/activate
sh setup_env.sh
pip install -r path/to/requirements.txt
pip freeze > requirements.txt
sh run_app.sh
python learn.py
python validate.py
streamlit run app.py