Woordenlijst

Kennisafkapdatum (knowledge cutoff)

Wat is Kennisafkapdatum (knowledge cutoff)?

De kennisafkapdatum (knowledge cutoff) is het tijdstip tot waar de trainingsgegevens van een taalmodel reiken. Het model heeft geen eigen kennis van gebeurtenissen, prijzen, wetten of producten die daarna zijn ontstaan en kan verouderde informatie geven, tenzij het actuele gegevens aangereikt krijgt. Dat kan worden opgevangen met methoden die tijdens het gebruik uw eigen documenten of actuele webinhoud erbij halen.

Hoe KI.ordo helpt

KI.ordo-agents compenseren de afkapdatum door uw opgeslagen kennis te gebruiken en actuele openbare pagina’s op te halen met de tool “Webpagina lezen”.

Meer informatie

Onderwerpen

LLM
Actualiteit
Basis

KI.ordo uitproberen

Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.

Demo starten

← Alle begrippen

Verwante begrippen

Groot taalmodel (LLM)

Een groot taalmodel (large language model, LLM) is een neuraal netwerk dat is getraind op zeer grote hoeveelheden tekst, waardoor het taal kan begrijpen en genereren. Het werkt door stap voor stap het meest waarschijnlijke volgende token te berekenen. LLM’s schrijven, vatten samen, vertalen, beantwoorden vragen en genereren code; bekende voorbeelden zijn Claude, GPT, Gemini en Llama. Zonder toegang tot actuele bronnen weten ze alleen wat in hun trainingsdata stond.

Taalmodellen
Generatieve AI
+1

Hallucinatie

Een hallucinatie is uitvoer van een AI-model die overtuigend klinkt maar onjuist of volledig verzonnen is – zoals een niet-bestaande rechterlijke uitspraak, een verkeerd cijfer of een verzonnen bron. De oorzaak: taalmodellen produceren waarschijnlijke formuleringen; ze zoeken niet automatisch feiten op. Het risico daalt wanneer antwoorden op gecontroleerde bronnen zijn gebaseerd, bewijs wordt aangehaald en mensen belangrijke resultaten controleren.

Taalmodellen
Betrouwbaarheid
+1

Sjabloon

Retrieval-augmented generation (RAG)

Retrieval-augmented generation combineert zoeken met tekstgeneratie: voordat het antwoordt, doorzoekt het systeem een kennisverzameling – zoals handleidingen, richtlijnen of veelgestelde vragen – op relevante passages en geeft die als context aan het taalmodel. Het antwoord is daardoor gebaseerd op actuele, bedrijfsspecifieke inhoud en niet alleen op de trainingskennis van het model. Dit vermindert verzonnen beweringen, maakt bronnen controleerbaar en maakt updates mogelijk zonder opnieuw te trainen.

RAG
kennis zoeken
+1

Trainingsgegevens

Trainingsgegevens zijn de voorbeelden waaruit een AI-model patronen leert: grote tekstverzamelingen voor taalmodellen, gelabelde afbeeldingen voor beeldmodellen. Hun kwaliteit, diversiteit en actualiteit bepalen grotendeels hoe betrouwbaar en eerlijk een model is en hoe actueel zijn kennis zal zijn. Voor organisaties is ook van belang of een aanbieder de klantgegevens die zij invoeren voor verdere training gebruikt.

Gegevens
Training
+1