Речник

Граница на знанията (knowledge cutoff)

Какво е Граница на знанията (knowledge cutoff)?

Границата на знанията (knowledge cutoff) е моментът, до който стигат данните за обучение на езиковия модел. Моделът няма присъщи знания за събития, цени, закони или продукти, възникнали след него, и може да дава остаряла информация, ако не му се предоставят актуални данни. Това може да се реши с методи, които въвеждат собствени документи или актуално уеб съдържание по време на изпълнение.

Как помага KI.ordo

Агентите на KI.ordo компенсират границата на знанията, като използват съхранените Ви знания и извличат актуални публични страници с инструмента „Четене на уеб страница“.

Научете повече

Теми

LLM
Актуалност
Основни функции

Изпробвайте KI.ordo

Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.

Стартирайте демото

← Всички термини

Свързани термини

Голям езиков модел (LLM)

Големият езиков модел (large language model, LLM) е невронна мрежа, обучена върху много големи количества текст, която може да разбира и генерира език. Работи, като стъпка по стъпка изчислява най-вероятния следващ токен. LLM пишат, обобщават, превеждат, отговарят на въпроси и генерират код; известни примери са Claude, GPT, Gemini и Llama. Без достъп до актуални източници те знаят само онова, което е било в обучителните им данни.

Езикови модели
Генеративен ИИ
+1

Халюцинация

Халюцинацията е изход на ИИ модел, който звучи убедително, но е грешен или напълно измислен – например несъществуващо съдебно решение, неточна цифра или измислен източник. Причината: езиковите модели създават вероятни формулировки; те не търсят автоматично факти. Рискът намалява, когато отговорите се основават на проверени източници, посочват се доказателства и хората проверяват важните резултати.

Езикови модели
Надеждност
+1

Шаблон

Генериране, допълнено с извличане (RAG)

Генерирането, допълнено с извличане (Retrieval-augmented generation), съчетава търсене с генериране на текст: преди да отговори, системата търси в колекция от знания – например ръководства, правилници или често задавани въпроси – подходящи пасажи и ги подава на езиковия модел като контекст. Така отговорът се основава на актуално съдържание, специфично за компанията, а не само на знанията от обучението на модела. Това намалява измислените твърдения, прави източниците проследими и позволява актуализации без повторно обучение.

RAG
търсене в знанията
+1

Данни за обучение

Данните за обучение са примерите, от които моделът с ИИ научава закономерности: големи текстови колекции за езиковите модели, изображения с етикети за моделите за изображения. Качеството, разнообразието и актуалността им до голяма степен определят колко надежден и справедлив е моделът и колко актуални ще са знанията му. За организациите е важно и дали доставчикът използва въведените от клиентите данни за по-нататъшно обучение.

Данни
Training
+1