Wprowadzenie

Modele językowe rosną na popularności, ponieważ tworzą imponujące spójne odpowiedzi na pytania użytkownika. Szczególnie gdy użytkownik wchodzi w interakcję z modelem językowym za pośrednictwem czatu, zapewnia intuicyjny sposób uzyskiwania potrzebnych informacji.

Jednym z powszechnych wyzwań podczas implementowania modeli językowych za pośrednictwem czatu jest tak zwane uziemienie, które odnosi się do tego, czy odpowiedź jest zakorzeniona, połączona czy zakotwiczona w rzeczywistości lub w określonym kontekście. Innymi słowy, osadzenie odnosi się do tego, czy odpowiedź modelu językowego opiera się na informacjach faktycznych.

Wskazówki i odpowiedzi bez podstawy

Jeśli używasz modelu językowego do generowania odpowiedzi na monit, jedyne informacje, na podstawie których model musi opierać odpowiedź, pochodzą z danych, na których został wytrenowany — co jest często tylko dużą ilością tekstu nietekstualizowanego z Internetu lub innego źródła.

Wynik prawdopodobnie będzie gramatycznie spójną i logiczną odpowiedzią na zapytanie, ale ponieważ nie jest oparta na odpowiednich, faktycznych danych, jest pozbawiona kontekstu; i może w rzeczywistości być niedokładna oraz zawierać "wymyślone" informacje. Na przykład pytanie "Którego produktu należy użyć do wykonania X?" może zawierać szczegóły fikcyjnego produktu.

Uziemione podpowiedzi i odpowiedzi

Z kolei możesz użyć źródła danych, aby oprzeć prompt o pewien powiązany, faktyczny kontekst. Następnie można przesłać monit do modelu językowego, w tym dane uziemienia, aby wygenerować kontekstową, odpowiednią i dokładną odpowiedź.

Źródło danych może być dowolnym repozytorium odpowiednich danych. Na przykład można użyć danych z bazy danych wykazu produktów, aby uziemić monit "Który produkt powinienem użyć do wykonania X?", aby odpowiedź zawierała odpowiednie szczegóły produktów, które istnieją w wykazie.

W tym module dowiesz się, jak utworzyć własną aplikację modelu językowego opartą na czacie, która jest uziemiona, tworząc agenta z własnymi danymi.