当前位置:首页 > 物联网 > 智能应用
[导读]恢复增强一代 RAG已经成为一种主要的模式,以消除幻觉和其他影响大型语言模型内容生成的不准确。然而,RAP需要围绕它的正确的数据体系结构来有效和高效地扩展。数据流方法为向LLMS提供大量不断丰富、可信的数据以产生准确结果的最佳架构奠定了基础。这种方法还允许数据和应用程序团队独立工作和规模化,以加快创新。

恢复增强一代 RAG已经成为一种主要的模式,以消除幻觉和其他影响大型语言模型内容生成的不准确。然而,RAP需要围绕它的正确的数据体系结构来有效和高效地扩展。数据流方法为向LLMS提供大量不断丰富、可信的数据以产生准确结果的最佳架构奠定了基础。这种方法还允许数据和应用程序团队独立工作和规模化,以加快创新。

基础性LMS,如GTPT和LMA,接受了大量数据的培训,通常能够对广泛的主题做出合理的回应,但确实产生了错误的内容。正如福雷斯特最近指出的那样,公共LLMS"经常产生不相关或完全错误的结果",因为他们的培训数据侧重于公开的互联网数据。此外,这些基本LMS完全无视锁定在客户数据库、企业资源规划系统、企业维基和其他内部数据源中的企业数据。必须利用这些隐藏数据来提高准确性,并释放实际业务价值。

RAG允许数据团队将提示与特定领域的公司数据实时化。有了这个额外的上下文,LLS更有可能在数据中识别正确的模式,并提供正确的、相关的响应。这对于流行的企业使用案例(如语义搜索、内容生成或复制)至关重要,在这些案例中,输出必须基于准确的、最新的信息才能是可信的。

为什么不仅仅训练一个关于公司特定数据的LLM呢?

目前生成性人工智能的最佳做法往往要求通过培训大量数据上的十亿节点变压器来创建基础模型,使这种方法对大多数组织来说成本过高。比如说,他说 超过1亿美元去训练GTP-4。研究和工业界已开始为小型语言模型和较便宜的培训方法提供有希望的结果,但这些还没有被推广和商品化。对现有模式进行微调是另一种资源密集程度较低的方法,将来也可能成为一种好的选择,但这一方法仍然需要大量的专门知识才能正确。LLMS的好处之一是,他们使对AI的访问民主化,但不得不雇佣一个博士团队来微调一个模型,这在很大程度上否定了这种好处。

RAG是当今最好的选择,但它的实施方式必须能够提供准确和最新的信息,并以一种可以跨应用程序和团队进行扩展的管理方式。为了了解为什么事件驱动的体系结构最适合于此,我们可以看看四个热奈应用程序开发模式。

1.数据增强

应用程序必须能够提取相关的上下文信息,通常是通过使用向量数据库来查找语义相似的信息,通常编码在半结构化或非结构化文本中。这意味着从不同的操作库中收集数据,并将其"分块"到可管理的部分,从而保留其含义。然后将这些信息块嵌入到向量数据库中,在那里它们可以与提示符耦合。

事件驱动的体系结构在这里是有益的,因为它是一种有效的方法,可以实时集成来自整个企业的不同数据源,提供可靠和可信的信息。相比之下,使用级联批处理操作的更为传统的ETL(提取、转换、负载)管道不太适合使用,因为当信息到达LLP时,它通常会失效。事件驱动的体系结构确保在对操作数据存储进行更改时,这些更改会被转移到将用于上下文化提示的向量存储中。将这些数据组织成流数据产品也有助于可重用性,因此这些数据转换可以被看作是可组合的组件,可以支持多个使用LLP的应用程序的数据增强。

2. Inference

推断涉及到工程提示和先前步骤中准备的数据和处理来自LOM的响应。当用户发出提示时,应用程序从向量数据库或对等服务中收集相关上下文,以生成尽可能好的提示。

像Tg-1这样的应用程序通常需要几秒钟的时间来响应,这是分布式系统中的永恒。使用事件驱动的方法意味着这种通信可以在服务和团队之间异步进行。有了事件驱动的体系结构,服务可以按照功能专业进行分解,这使应用程序开发团队和数据团队能够分别工作,以实现其性能和准确性目标。

此外,通过提供分解的、专门的服务而不是单一的服务,这些应用程序可以独立地部署和扩展。这有助于减少进入市场的时间,因为新的推理步骤是消费者群体,并且组织可以模板基础结构快速实例化这些。

3. Workflows

推理代理和推理步骤通常被链接到序列中,其中下一个LLM调用基于以前的响应。这在复杂任务的自动化中是有用的,在这些复杂任务中,单个LRAM调用将不足以完成流程。将代理分解为调用链的另一个原因是,当我们提出多个更简单的问题时,如今流行的LLMS往往会返回更好的结果,尽管这种情况正在发生变化。

下面的示例工作流说明,通过数据流平台,Web开发团队可以独立于后端系统工程师工作,允许每个团队根据自己的需要进行规模化。数据流平台能够实现技术、团队和系统的脱钩。

4. Post-Processing

尽管我们尽了最大努力,LLMS仍然可以产生错误的结果,所以我们需要一种方法来验证输出和执行业务规则,以防止这些错误造成损害。

通常情况下,LLS工作流和依赖项的变化要比决定输出是否可以接受的业务规则快得多。在上面的例子中,我们再次看到了与数据流平台脱钩的很好的应用:通过合规团队验证LLS输出,可以独立地操作来定义规则,而不需要与构建LOM应用程序的团队进行协调。

结论

RAG是一个强大的模型,可以提高LLMS的准确性,并使生成的AI应用程序在企业用例中可行。但破布不是银子弹。它需要被一个架构和数据传递机制所包围,这些架构和机制允许团队构建多个生成的AI应用程序,而不需要重新设计车轮,并以符合企业数据治理和质量标准的方式进行。

数据流模型是满足这些需求的最简单和最有效的方式,它使团队能够释放LLMS的全部能量,从而为其业务带来新的价值。随着技术成为业务,人工智能提高了这项技术,那些有效竞争的公司将合并人工智能,以增加和简化越来越多的流程。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

9月2日消息,不造车的华为或将催生出更大的独角兽公司,随着阿维塔和赛力斯的入局,华为引望愈发显得引人瞩目。

关键字: 阿维塔 塞力斯 华为

加利福尼亚州圣克拉拉县2024年8月30日 /美通社/ -- 数字化转型技术解决方案公司Trianz今天宣布,该公司与Amazon Web Services (AWS)签订了...

关键字: AWS AN BSP 数字化

伦敦2024年8月29日 /美通社/ -- 英国汽车技术公司SODA.Auto推出其旗舰产品SODA V,这是全球首款涵盖汽车工程师从创意到认证的所有需求的工具,可用于创建软件定义汽车。 SODA V工具的开发耗时1.5...

关键字: 汽车 人工智能 智能驱动 BSP

北京2024年8月28日 /美通社/ -- 越来越多用户希望企业业务能7×24不间断运行,同时企业却面临越来越多业务中断的风险,如企业系统复杂性的增加,频繁的功能更新和发布等。如何确保业务连续性,提升韧性,成...

关键字: 亚马逊 解密 控制平面 BSP

8月30日消息,据媒体报道,腾讯和网易近期正在缩减他们对日本游戏市场的投资。

关键字: 腾讯 编码器 CPU

8月28日消息,今天上午,2024中国国际大数据产业博览会开幕式在贵阳举行,华为董事、质量流程IT总裁陶景文发表了演讲。

关键字: 华为 12nm EDA 半导体

8月28日消息,在2024中国国际大数据产业博览会上,华为常务董事、华为云CEO张平安发表演讲称,数字世界的话语权最终是由生态的繁荣决定的。

关键字: 华为 12nm 手机 卫星通信

要点: 有效应对环境变化,经营业绩稳中有升 落实提质增效举措,毛利润率延续升势 战略布局成效显著,战新业务引领增长 以科技创新为引领,提升企业核心竞争力 坚持高质量发展策略,塑强核心竞争优势...

关键字: 通信 BSP 电信运营商 数字经济

北京2024年8月27日 /美通社/ -- 8月21日,由中央广播电视总台与中国电影电视技术学会联合牵头组建的NVI技术创新联盟在BIRTV2024超高清全产业链发展研讨会上宣布正式成立。 活动现场 NVI技术创新联...

关键字: VI 传输协议 音频 BSP

北京2024年8月27日 /美通社/ -- 在8月23日举办的2024年长三角生态绿色一体化发展示范区联合招商会上,软通动力信息技术(集团)股份有限公司(以下简称"软通动力")与长三角投资(上海)有限...

关键字: BSP 信息技术
关闭