Аннотация

Аннотация: Цели. В статье рассмотрена задача настройки моделей реранжирования результатов поиска информации как задача смешанной оптимизации в пространстве проектирования переменной размерности (ПППР). Цель работы – исследование различных подходов к адаптации базового генетического алгоритма (ГА), позволяющих переключаться между пространствами проектирования разной размерности при решении задачи смешанной оптимизации в ПППР. Методы. В предлагаемой статье рассматриваются и исследуются адаптированные версии ГА, позволяющие решать задачи смешанной оптимизации в ПППР. Эти ГА предполагают введение в хромосому либо одного дополнительного гена, кодирующего целочисленную размерную переменную, либо нескольких дополнительных генов, кодирующих бинарные размерные переменные, либо дополнительного вектора тегов, сопоставленного хромосоме. Размерные переменные и векторы тегов позволяют управлять переключением между ПППР в процессе оптимизации и определять, какие гены в хромосоме активны, а какие – пассивны. При этом все ГА реализуют, используя код Грея, кодирование в генах хромосомы параметров разного типа. Результаты. Результаты экспериментальных исследований, полученные на примере задачи настройки моделей реранжирования результатов поиска информации, подтверждают целесообразность использования адаптированных версий ГА, для решения задач смешанной оптимизации в ПППР. Лучшая настроенная модель реранжирования результатов поиска информации интегрирована в состав системы RAG для того, чтобы производить более точную оценку релевантности уже найденной информации. Выводы. Адаптированные версии ГА позволяют переключаться между ПППР в процессе смешанной оптимизации, обеспечивая одновременный поиск значений оптимизируемых параметров в пространствах разной размерности и получение более высокого значения метрики MAP по сравнению со значением этой метрики ненастроенной модели. Использование настроенной модели реранжирования результатов поиска информации в составе системы RAG позволяет повысить качество ответов генеративной языковой модели на запросы пользователя.