Ordliste

Knowledge cutoff

Hvad er Knowledge cutoff?

Knowledge cutoff er det tidspunkt, hvortil en sprogmodels træningsdata rækker. Modellen har ingen iboende viden om begivenheder, priser, love eller produkter, der er kommet til senere, og kan give forældede oplysninger, medmindre den får tilført aktuelle data. Det kan imødegås med metoder, der inddrager egne dokumenter eller aktuelt webindhold under kørslen.

Sådan hjælper KI.ordo

KI.ordo-agenter kompenserer for cutoff ved at bruge din gemte viden og hente aktuelle offentlige sider med værktøjet »Læs webside«.

Læs mere

Emner

LLM
aktualitet
Grundlæggende

Prøv KI.ordo

Agenter, flows og skabeloner i ét arbejdsområde – gratis demo i 24 timer.

Start demo

← Alle begreber

Relaterede begreber

Stor sprogmodel (LLM)

En stor sprogmodel (large language model, LLM) er et neuralt netværk, der er trænet på meget store tekstmængder, så det kan forstå og generere sprog. Den fungerer ved trin for trin at beregne det mest sandsynlige næste token. LLM'er skriver, opsummerer, oversætter, besvarer spørgsmål og genererer kode; kendte eksempler er Claude, GPT, Gemini og Llama. Uden adgang til aktuelle kilder ved de kun det, der stod i deres træningsdata.

Sprogmodeller
Generativ AI
+1

Hallucination

En hallucination er output fra en AI-model, der lyder overbevisende, men er forkert eller helt opdigtet – f.eks. en ikke-eksisterende retsafgørelse, et forkert tal eller en opfundet kilde. Årsagen: Sprogmodeller frembringer sandsynlige formuleringer; de slår ikke automatisk fakta op. Risikoen falder, når svarene bygger på verificerede kilder, dokumentation angives, og mennesker kontrollerer vigtige resultater.

Sprogmodeller
Pålidelighed
+1

Skabelon

Retrieval-augmented generation (RAG)

Retrieval-augmented generation kombinerer søgning med tekstgenerering: før svaret søger systemet i en vidensamling – f.eks. manualer, politikker eller FAQ'er – efter relevante passager og giver dem til sprogmodellen som kontekst. Svaret bygger dermed på aktuelt, virksomhedsspecifikt indhold og ikke kun på modellens træningsviden. Det reducerer opfundne udsagn, gør kilder sporbare og muliggør opdateringer uden gentræning.

RAG
vidensøgning
+1

Træningsdata

Træningsdata er de eksempler, som en AI-model lærer mønstre af: store tekstsamlinger til sprogmodeller, mærkede billeder til billedmodeller. Deres kvalitet, mangfoldighed og aktualitet er i høj grad afgørende for, hvor pålidelig og fair en model er, og hvor opdateret dens viden bliver. For organisationer er det også vigtigt, om en udbyder bruger de kundedata, der indtastes, til yderligere træning.

Data
Training
+1