在生成式 AI 領域，建立基準是指將模型輸出內容連結至可驗證的資訊來源。如果讓模型存取特定來源的資料，基準功能就會限制模型要使用這些資料生成輸出內容，減少捏造內容的機率。如果準確度和可靠性相當重要，這項功能便可派上用場。
建立基準有下列好處：
- 減少模型幻覺，也就是模型生成內容與事實不符的情況。
- 根據資料來源提供模型回覆內容。
- 提供強化事實基礎支援 (即來源連結)，確保可稽核性。
在 Gemini Enterprise Agent Platform 中，您可以透過下列方式，根據特定資料來源生成支援模型輸出內容：
| 建立基準類型 | 說明 |
|---|---|
| 以 Google 搜尋強化事實基礎 | 使用 Google 搜尋引擎的結果，將模型連結至世界知識和各種主題。 |
| 利用 Google 地圖建立基準 | 在模型中使用 Google 地圖資料，針對提示提供更準確且符合情境的回覆，包括地理空間情境。 |
| 運用 Agent Search 建立基準 | 使用檢索增強生成 (RAG) 技術，將模型連結至網站資料，或儲存在 Agent Search 中的文件集。 |
| 在 Gemini Enterprise Agent Platform 上使用 RAG 引擎進行基礎處理 | 透過 Gemini Enterprise Agent Platform 上的 RAG Engine，使用您的資料建立基準。這項服務可設定，且屬於受管理 RAG 服務。 |
| 使用 Elasticsearch 建立基準 | 搭配現有的 Elasticsearch 索引和 Gemini，使用檢索增強生成技術。 |
| 運用搜尋 API 建立基準 | 透過任何搜尋 API 做為回覆依據，將 Gemini 連結至外部資料來源。 |
| 以企業適用的網路內容建立基準 | 使用適合高度管制產業的網路索引，生成符合法規控管機制且有基準的回覆。 |
| 以 Parallel Web Search 建立基準 | 將 Gemini 連線至經過 LLM 最佳化的網路索引，即可使用網路上最新的資訊。 |
如需語言支援資訊，請參閱「提示支援的語言」。
後續步驟
- 如要進一步瞭解負責任的 AI 最佳做法和 Gemini Enterprise Agent Platform 的安全篩選器，請參閱「負責任的 AI 技術」一文。