ב-AI גנרטיבי, עיגון הוא היכולת לקשר את הפלט מהמודל למקורות מידע שאפשר לאמת. אם נותנים למודלים גישה למקורות נתונים ספציפיים, העיגון מקשר את הפלט שלהם לנתונים האלה ומפחית את הסיכוי שהם ימציאו תוכן. זה חשוב במיוחד במצבים שבהם הדיוק והאמינות הם קריטיים.
היתרונות של עיגון:
- מפחית את ההזיות של המודל, שהן מקרים שבהם המודל יוצר תוכן לא עובדתי.
- התשובות של המודל מעוגנות במקורות הנתונים שלכם.
- מאפשר לבדוק את המידע באמצעות קישורים למקורות.
אתם יכולים לבסס את הפלט מהמודלים הנתמכים ב-Gemini Enterprise Agent Platform בדרכים הבאות:
| סוג הביסוס | תיאור |
|---|---|
| עיגון באמצעות חיפוש Google | אתם יכולים לקשר את המודל לידע כללי ולמגוון רחב של נושאים באמצעות תוצאות ממנוע החיפוש של Google. |
| עיגון בעזרת מפות Google | אתם יכולים להשתמש בנתונים ממפות Google במודל שלכם כדי לקבל תשובות מדויקות יותר ורלוונטיות יותר להקשר של ההנחיות, כולל הקשר גיאו-מרחבי. |
| ביסוס בעזרת Agent Search ב-Gemini Enterprise Agent Platform | אתם יכולים להשתמש ב-RAG (דור מבוסס-אחזור) כדי לקשר את המודל לנתונים באתר או לקבוצות המסמכים שמאוחסנות ב-Agent Search. |
| ביסוס בעזרת מנוע RAG בפלטפורמת הסוכנים של Gemini Enterprise | Grounding באמצעות הנתונים שלכם דרך RAG Engine ב-Gemini Enterprise Agent Platform, שהוא שירות RAG מנוהל שניתן להגדרה. |
| עיגון באמצעות Elasticsearch | שימוש ב-RAG עם אינדקסים קיימים של Elasticsearch ו-Gemini. |
| ביסוס באמצעות Search API | אתם יכולים לחבר את Gemini למקורות נתונים חיצוניים באמצעות ביסוס עם כל Search API. |
| עיגון בנתונים מהאינטרנט לארגונים | בעזרת האפשרות הזאת, ארגונים ועסקים בתחומים עם רגולציה מחמירה יכולים לעגן את התשובות באמצעות אינדקס מהאינטרנט והגדרות לעמידה בהוראות הדין. |
| עיגון באמצעות חיפוש Google מקביל | כדי להשתמש במידע העדכני ביותר מהאינטרנט, חברו את Gemini לאינדקס אינטרנט שמותאם ל-LLM. |
כאן מפורטות השפות שבהן אפשר להזין הנחיות.
המאמרים הבאים
- במאמר אתיקה של בינה מלאכותית מפורט מידע נוסף על השיטות המומלצות לאתיקה של בינה מלאכותית ועל מסנני הבטיחות של Gemini Enterprise Agent Platform.