谷歌推出 DataGemma:基于可信数据源提高 AI 准确度,减少幻觉

人工智能
谷歌公司基于谷歌数据共享(Data Commons)中的真实世界统计数据,推出了开放权重 Gemma 模型的新版本 DataGemma。

9 月 13 日消息,科技媒体 maginative 昨日(9 月 12 日)发布博文,报道谷歌公司基于谷歌数据共享(Data Commons)中的真实世界统计数据,推出了开放权重 Gemma 模型的新版本  DataGemma。

语言模型当前面临的一大难题就是幻觉(Hallucinations),尤其是大语言模型(LLMs)在处理数值或统计数据时,这一问题变得尤为棘手,因此精确性至关重要。

谷歌的 Data Commons 是一个存储库,汇集了来自联合国和疾病控制与预防中心等可信组织收集的超过 2400 亿个数据点。

通过利用这一庞大的统计数据集,基于 Gemini 的 DataGemma 能够显著提升模型准确性,确保其输出基于真实可信的现实世界信息。

DataGemma 方法的核心在于两种关键技术:检索交错生成(RIG)和检索增强生成(RAG)。这两种方法通过在生成过程中将模型基于现实世界数据,从而减少幻觉现象。

IT之家简要介绍两项技术如下:

RIG:

通过主动查询可信来源,再生成回答的方式运作。在接收到提示词之后,DataGemma 会识别查询中的统计数据点,并从数据共享平台获取准确信息。

例如,若被问及“全球可再生能源的使用量是否有所增加?”,该模型会在回答中穿插实时统计数据,确保事实准确性。

RAG:

在生成回答之前,会从数据共享平台检索相关信息,进一步提升了回答的质量。借助其长上下文窗口(由 Gemini 1.5 Pro 实现),DataGemma 确保了回答的全面性,引入了表格和脚注以提供更深层次的上下文,从而减少了虚构内容的出现。

谷歌对 RIG 和 RAG 的研究尚处于初期阶段,但初步成果令人鼓舞。通过将现实世界数据嵌入回复中,DataGemma 模型在处理数值事实和统计查询方面展现出显著提升。研究团队已发表论文详述其方法,强调这些技术如何帮助 LLMs 判断何时依赖外部数据与内部参数。

责任编辑:庞桂玉 来源: IT之家
相关推荐

2024-10-05 16:00:00

谷歌开源模型

2022-01-24 15:07:59

量子

2020-06-10 11:39:52

阿里云计费平台

2020-12-23 16:14:04

AI 数据人工智能

2024-08-05 09:14:14

2018-07-01 15:30:16

2024-01-09 14:05:15

大型语言模型RAG向量数据库

2023-12-19 13:28:06

2023-05-26 16:30:20

人工智能边缘计算

2019-02-14 15:06:50

AI人工智能临床诊断

2023-06-27 09:48:40

谷歌AML AI 工具

2010-12-27 09:59:11

ODBC数据源

2009-06-15 13:24:46

JBoss数据源

2022-01-11 10:30:22

恶意软件树莓派检测系统

2023-04-20 09:54:36

数据管理大数据

2023-02-07 10:15:29

ChatGPTAI模型

2024-06-11 07:05:34

2017-11-10 12:34:38

大数据数据源免费数据

2023-11-27 09:16:53

Python数据源类型

2017-09-04 14:52:51

Tomcat线程数据源
点赞
收藏

51CTO技术栈公众号