غلبه بر توهمات LLM با استفاده از پایگاه های دانش

چی؟

اگر از یک LLM درخواست کنید “یک زبان برنامه نویسی عالی برای یادگیری ماشین پیشنهاد کنید”

پاسخ LLM ها این خواهد بود: «یکی از بهترین زبان های برنامه نویسی توصیه شده برای یادگیری ماشین، پایتون است. پایتون سطح بالایی است…”

اگر می خواهید سازمان شما اطلاعات خاص سازمانی تأیید شده را ارائه دهد، یعنی پاسخ را با اطلاعات معتبر سازمان افزایش دهد، چه؟

اجازه دهید هنگام تعامل با LLM این اتفاق بیفتد

چرا؟

LLM های محبوب مانند chatGPT OpenAI، Google’s Gemini بر روی داده های در دسترس عموم آموزش دیده اند. آنها اغلب فاقد اطلاعات خاص سازمان هستند. زمان‌های خاصی وجود دارد که سازمان‌ها می‌خواهند به LLM تکیه کنند. با این حال، مایل به افزایش پاسخ خاص به یک سازمان خاص یا سلب مسئولیت را اضافه کنید زمانی که هیچ داده زمینی در دسترس نیست.

فرآیند انجام این کار به عنوان پاسخ LLM با استفاده از پایگاه های دانش شناخته می شود.

چگونه؟

در حالی که، من فقط می توانم در مورد آن صحبت کنم.

به عنوان یک مهندس که به چند قطعه کد نگاه می کند به من اطمینان می دهد.

اجرای آنها اعتماد به نفس من را بالا می برد و همچنین باعث خوشحالی می شود. اشتراک گذاری باعث رضایت من می شود 😄

کد؟ چرا که نه! → پایتون؟ البته!!

  1. کتابخانه های مورد نیاز را نصب کنید

    pip install openai faiss-cpu numpy python-dotenv
    
  • openai: برای تعامل با مدل‌ها و جاسازی‌های GPT OpenAI.
  • faiss-cpu: کتابخانه ای توسط …

Source link