Glosář

Hranice znalostí (knowledge cutoff)

Co je Hranice znalostí (knowledge cutoff)?

Hranice znalostí je okamžik, do něhož sahají trénovací data jazykového modelu. Model nemá z podstaty žádné znalosti o událostech, cenách, zákonech nebo produktech, které vznikly později, a pokud mu nejsou dodána aktuální data, může uvádět zastaralé informace. Řešením jsou metody, které za běhu přinášejí vlastní dokumenty nebo aktuální obsah z webu.

Jak pomáhá KI.ordo

Agenti KI.ordo tuto hranici vyrovnávají tím, že využívají vaše uložené znalosti a pomocí nástroje „Přečíst webovou stránku“ načítají aktuální veřejné stránky.

Zjistit více

Témata

LLM
aktuálnost
Základ

Vyzkoušet KI.ordo

Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.

Spustit demo

← Všechny pojmy

Související pojmy

Velký jazykový model (LLM)

Velký jazykový model (LLM) je neuronová síť natrénovaná na velmi velkém množství textu, díky čemuž dokáže jazyk chápat a generovat. Funguje tak, že krok za krokem počítá nejpravděpodobnější další token. LLM píší, shrnují, překládají, odpovídají na otázky a generují kód; mezi známé příklady patří Claude, GPT, Gemini a Llama. Bez přístupu k aktuálním zdrojům vědí jen to, co bylo v jejich trénovacích datech.

jazykové modely
generativní AI
+1

Halucinace

Halucinace je výstup modelu AI, který zní přesvědčivě, ale je nesprávný nebo zcela vymyšlený – například neexistující soudní rozhodnutí, nesprávné číslo nebo vymyšlený zdroj. Příčina: jazykové modely vytvářejí pravděpodobné formulace; fakta si automaticky nevyhledávají. Riziko klesá, když odpovědi vycházejí z ověřených zdrojů, dokládají se důkazy a důležité výsledky kontrolují lidé.

jazykové modely
spolehlivost
+1

Šablona

Retrieval-augmented generation (RAG)

Retrieval-augmented generation kombinuje vyhledávání s generováním textu: před odpovědí systém prohledá sbírku znalostí – například příručky, směrnice nebo časté dotazy – a relevantní pasáže předá jazykovému modelu jako kontext. Odpověď je tak založena na aktuálním obsahu specifickém pro firmu, a nikoli jen na znalostech z trénování modelu. Snižuje to vymyšlená tvrzení, zdroje jsou dohledatelné a aktualizace nevyžadují opakované trénování.

RAG
vyhledávání ve znalostech
+1

Trénovací data

Trénovací data jsou příklady, z nichž se AI model učí vzory: rozsáhlé sbírky textů pro jazykové modely, označené obrázky pro obrazové modely. Jejich kvalita, rozmanitost a aktuálnost do značné míry určují, jak spolehlivý a spravedlivý model je a jak aktuální budou jeho znalosti. Pro organizace je také důležité, zda poskytovatel používá k dalšímu trénování zákaznická data, která do systému zadají.

Data
Training
+1