同时,视图除了表格,还支持板报、时间轴、画廊等格式。
例如:我们想要针对性的查看RAG论文中的任务和数据集,就可以将这些字段筛选出来,并设置对应的筛选和过滤,这些设置都会显示在视图下方
RAG Task and Dataset的视图案例
另一个常用的视图是Board,通常搭配分组使用。
例如我想查看在分别在预训练、微调和推理的论文有哪些,就可以构建一个Board试图,并以“Aug_Stage”作为分组依据,同时可以选择试图选择要展示的字段以及过滤排序等设置
基于检索增强阶段分组的Board视图
Relation
Relation是Notion另一个重要的概念有,在属性中用一个箭头表示,可以简单理解成一个属性来关联两个Database,这个属性在一个Database中作为常规属性,在另一个Database作为主键。
Relation官方示例
在OpenRAG Base中我们设置了多个Relation属性,比如Scholar, Institution, Dataset等。这能帮助我们可以基于这些属性做更针对性的分析。每一个属性都会对应一个以他为主键的Database。
OpenRAG Base中的Relation关系示例
以上图为例,其中包含了 三个Relation关系,点击表头进入”Edit Property” 就可以看到右边栏,在“Preview”中展示了这个Relation关联了哪两个Database。以图中为双向关联,具体来说,“Dataset属性”在Academic_papar中出现,关联到Dataset表中作为主键。相对的Academic_paper中的主键Paper也会自动关联到Dataset表中。
下面让我们打开右侧的Dataset Database,有一个更直观的理解。可以看到在Dataset中自动化出现了一个“Paper”的Relation属性。
这就意味着当我们在Academic_paper中为一个论文添加一个Dataset后,在Dataset表中的Paper属性会自动增加这个Paper的简称。
在双向关联时,Dataset中会自动属性关联表中的主键(Paper)并自动更新
下面我们将简单介绍一下其他Database,使用方法与Academic_Paper一致。
下游任务与数据集 Downstream Task ![📍]()
这两个Database汇总了RAG领域中使用下游任务和数据集,数据集在上一章节已经展示了,下游任务汇总如下:
下游任务Gallery
也可以查看我们Survey中的下游任务和数据集汇总。
《Retrieval-Augmented Generation for Large Language Models: A Survey》