해당 repo는 LangChain과 ChromaDB를 활용하여 대화를 가능하게 합니다.

아래 그림은 ClosedAI-chatbot가 작동하는 과정을 보여줍니다. 사용자 질의와 관련한 문서들은 청킹(chunking)되어 ChromaDB에 임베딩 형태로 저장됩니다. ClosedAI-chatbot은 사용자의 질의에 대해 관련 문서를 기반으로 답변을 반환합니다.

1. LangChain's ArXiv Loader: PaperDB에 대화에 필요한 문서를 기반으로 불러옵니다.

2. Chunking + Embedding: LangChain을 사용하여 논문을 임의의 사이즈로 분할한 다음 임베딩을 생성합니다.

3. ChromaDB: 문서는 벡터 형태로 DB에 저장되어, 인덱싱/검색을 시연합니다.

4. RetrievalQA: 사용자의 질의를 임베딩하여, DB에서 해당 질의와 가장 유사한 문서를 LLM에 prompt 형식으로 전달합니다.

   (1) Retriever

   • Search Engine : "BAAI/bge-base-en-v1.5"

     아래와 같은 흐름으로 Retrieval 모델을 활용하여 문서를 임베딩합니다.

     

   (2) Generator

   • LLM : "nayohan/corningQA-llama2-13b-chat" / nayohan/corningQA-solar-10.7b-v1.0
   • 학습의 전체 프레임워크는 다음과 같습니다.

   

   • 화학 도메인을 위해 학습한 ClosedAI-chatbot은 multi-turn dialogue를 지원합니다.

   

5. Python Libraries: Making use of tools such as ChromaDB, Langchain, Streamlit, etc

1. First, clone this repo and cd into it.

   $ git clone https://github.com/nayohan/2023-Corning-AI-Challenge

2. Create your env file:

   $ conda create -n <env_name> python=3.10

3. Install dependencies: You should have Python 3.10+ installed and a virtual environment set up.

   $ pip install -r requirements.txt

4. 대화 주제에 관련하여 필요한 문서를 해당 경로에 업로드 해줍니다. (pdf/docx 확장자 지원)

   $ PaperDB/*.pdf

5. Run the app:

   $ streamlit run app.py

6. Navigate to:

   http://localhost:8501/
   

(아래의 예시는 NLP 논문을 기반으로 작성되었습니다.)

1. 시작 페이지

   • 토픽 주제에 대해 먼저 입력합니다.

   

2. 대화 페이지

   • 질문을 입력하면 답변과 관련 context를 보여줍니다.

   

3. 멀티 턴 대화 예시

   • 연속적인 대화가 가능합니다.

   

• https://github.com/RedisVentures/ArXivChatGuru
• https://github.com/corning-ai-challenge/intro
• https://github.com/corning-ai-challenge/item1