| Form of studies |
Bachelor |
| Title of the study programm |
Smart Computer Technologies |
| Title in original language |
Dinamiska dokumentācijas atjaunināšana un metriku salīdzinājums RAG arhitektūrai |
| Title in English |
Dynamic Documentation Updating and Metric Comparison for a RAG Architecture |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Ingars Eriņš |
| Reviewer |
Gints Jēkabsons |
| Abstract |
Konkrētas informācijas meklēšana apjomīgos tehniskos dokumentos, piemēram, simtiem lappušu garās programmatūras lietotāja rokasgrāmatās, ir laikietilpīgs un sarežģīts process. Šīs problēmas risināšanai plaši pielieto RAG, kas spēj dažu sekunžu laikā izgūt nepieciešamo kontekstu un ar lielo valodu modeļu (LVM) (angļu val. large language models (LLMs)) palīdzību sagatavot pamatotu atbildi. Tomēr vienkāršas RAG (angļu val. Retrieval-Augmented Generation) sistēmas neņem vērā dokumentu struktūru un dažādās versijas, izraisot versiju sajaukšanās problēmu un sniedzot lietotājam novecojušas vai kļūdainas atbildes. Bakalaura darba mērķis ir izstrādāt un eksperimentāli izvērtēt augstas veiktspējas, laika un versiju apzinošu RAG sistēmas arhitektūru tehnisko rokasgrāmatu apstrādei. Darba ietvaros tika ieviesta hierarhiska datgrupu veidošanas pieeja, kas sasaista mazas meklēšanas datgrupas ar lielām konteksta datgrupām, kā arī izstrādāti un izmēģināti dažādi izguves darbplūsmas uzlabojumi. Izveidotā sistēma tika eksperimentāli novērtēta, izmantojot autora izstrādātu 249 jautājumu, atbilžu un avotu kopu etalonu. Eksperimentālie rezultāti rāda, ka izveidotā sistēma sasniedz 91,3% daļējas sakritības precizitāti (Part@10) un 81,9% pilnas sakritības precizitāti (Full@10) informācijas izguves posmā. Atbilžu izveides novērtējums ar RAGAS bibliotēkas metrikām un z-ai/glm-5.3-flash LVM kā vērtētāju uzrāda 89,9% uzticamību (angļu val. faithfulness), 86,92% atbildes atbilstību (angļu val. answer relevance) un 62% faktu precizitāti (angļu val. factual correctness) attiecībā pret izveidoto etalonu.
Bakalaura darbā ir 50 lappuses, 1 attēls, 7 tabulas, 1 pielikums un 68 informācijas avoti. |
| Keywords |
RAG, VEKTORU DATUBĀZES, LIELIE VALODU MODEĻI, MĀKSLĪGAIS INTELEKTS |
| Keywords in English |
RAG, VECTOR DATABASES, LARGE LANGUAGE MODELS, ARTIFICIAL INTELLIGENCE |
| Language |
lv |
| Year |
2026 |
| Date and time of uploading |
02.09.2026 23:40:50 |
