Ученые Microsoft представили систему категоризации запросов для улучшения точности больших языковых моделей и снижения галлюцинаций в специализированных областях.

Использование Искусственного Интеллекта для Улучшения Работы в Специализированных Областях

Проблема:

Большие языковые модели (LLM) изменили область искусственного интеллекта своей способностью генерировать текст, но для задач, требующих специфических знаний, таких как здравоохранение, право и финансы, им необходима помощь.

Решение:

Для улучшения LLM предлагается использовать внешние данные, что значительно повышает их точность и эффективность. Техника Retrieval-Augmented Generation (RAG) позволяет моделям извлекать необходимую информацию в реальном времени, улучшая их релевантность.

Вызовы и Решения:

Существующие методы, такие как fine-tuning и RAG, решают проблемы обновления знаний и точности моделей. Fine-tuning требует большого объема данных, в то время как RAG позволяет моделям получать внешние данные в реальном времени, улучшая их точность.

Применение в Реальности:

Исследования показывают значительное улучшение производительности в специализированных областях, таких как здравоохранение и юридический анализ. Использование структурированной категоризации запросов позволяет улучшить результаты на 40%, делая этот метод значительным шагом вперед в области систем на основе ИИ.