ב-AI גנרטיבי, ביסוס הוא היכולת לקשר בין פלט של מודל לבין מקורות מידע שאפשר לאמת. אם מספקים למודלים גישה למקורות נתונים ספציפיים, ההארקה קושרת את הפלט שלהם לנתונים האלה ומפחיתה את הסיכויים להמצאת תוכן. הדבר חשוב במיוחד במצבים שבהם הדיוק והמהימנות משמעותיים.
היתרונות של ביסוס:
- הוא מפחית את התופעה של תגובות לא תואמות נתונים, שבה המודל יוצר תוכן לא עובדתי.
- העוגנים מעגנים את התשובות של המודל למקורות הנתונים שלכם.
- מספק יכולת ביקורת באמצעות תמיכה בהצגת מקורות, שהם קישורים למקורות.
יש כמה דרכים להצמיד את הפלט של מודלים נתמכים ב-Gemini Enterprise Agent Platform:
| סוג ההצמדה | תיאור |
|---|---|
| עיגון באמצעות חיפוש Google | לקשר את המודל לידע עולמי ולמגוון רחב של נושאים באמצעות תוצאות ממנוע החיפוש של Google. |
| עיגון בעזרת מפות Google | המודל יכול להשתמש בנתונים של מפות Google כדי לתת תשובות מדויקות יותר להנחיות שלכם, עם הקשר רלוונטי, כולל הקשר גיאוגרפי. |
| עיגון באמצעות חיפוש מבוסס סוכנים | אתם יכולים להשתמש ב-RAG (שליפה משופרת של מידע) כדי לקשר את המודל לנתוני האתר או לקבוצות המסמכים שמאוחסנים בחיפוש הסוכן. |
| הארקה באמצעות מנוע RAG ב-Gemini Enterprise Agent Platform | הקרקוע מתבצע באמצעות הנתונים שלכם דרך RAG Engine בפלטפורמת הסוכנים של Gemini Enterprise, שהוא שירות RAG מנוהל שניתן להגדרה. |
| הארקה באמצעות Elasticsearch | איך משתמשים ב-RAG עם אינדקסים קיימים של Elasticsearch ו-Gemini |
| הארקה באמצעות ה-API של החיפוש | אפשר לחבר את Gemini למקורות נתונים חיצוניים באמצעות עיגון עם כל API של חיפוש. |
| 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 מקביל באינטרנט | אפשר לקשר את Gemini לאינדקס אינטרנט שעבר אופטימיזציה ל-LLM כדי להשתמש במידע העדכני ביותר מהאינטרנט. |
כאן מפורטות השפות הנתמכות להנחיות.
המאמרים הבאים
- מידע נוסף על שיטות מומלצות לשימוש אחראי ב-AI ועל מסנני הבטיחות של Gemini Enterprise Agent Platform זמין במאמר אתיקה של בינה מלאכותית.