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，也就是模型生成不符合事實的內容。
- 將模型回覆錨定至資料來源。
- 提供基準支援 (即來源連結)，方便您進行稽核。
在 Gemini Enterprise Agent Platform，您可以透過下列方式，建立支援模型的輸出內容基準：
| 建立基準類型 | 說明 |
|---|---|
| 以 Google 搜尋建立基準 | 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 | 將 Google 地圖資料與模型搭配使用，讓模型根據提示提供更準確且符合背景資訊的回覆，包括地理空間背景資訊。 |
| 在 Gemini Enterprise Agent Platform 中使用 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 的文件集。 |
| 在 Gemini Enterprise Agent Platform 使用 RAG Engine 建立基準 | 透過 Gemini Enterprise Agent Platform 的 RAG Engine，使用您的資料建立基準。RAG Engine 是可設定的代管 RAG 服務。 |
| 使用 Elasticsearch 建立基準 | 搭配使用檢索增強生成技術、現有 Elasticsearch 索引和 Gemini。 |
| 使用搜尋 API 建立基準 | 使用任何搜尋 API 建立基準，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 網頁搜尋建立基準 | 將 Gemini 連結至 LLM 最佳化網頁索引，即可使用網路上的最新資訊。 |
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」。