Glosar

Data limită a cunoștințelor (knowledge cutoff)

Ce este Data limită a cunoștințelor (knowledge cutoff)?

Data limită a cunoștințelor este momentul până la care se întind datele de antrenare ale unui model lingvistic. Modelul nu are cunoștințe proprii despre evenimentele, prețurile, legile sau produsele apărute ulterior și poate da informații depășite dacă nu i se furnizează date actuale. Problema poate fi abordată prin metode care aduc la momentul execuției documente proprii sau conținut web actual.

Cum ajută KI.ordo

Agenții KI.ordo compensează această limită folosind cunoștințele dumneavoastră stocate și preluând pagini publice actuale cu instrumentul „Citește pagina web”.

Aflați mai multe

Subiecte

LLM
Actualitate
Elemente de bază

Încercați KI.ordo

Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.

Porniți demo-ul

← Toți termenii

Termeni înrudiți

Model lingvistic de mari dimensiuni (LLM)

Un model lingvistic de mari dimensiuni (LLM) este o rețea neuronală antrenată pe cantități foarte mari de text, ceea ce îi permite să înțeleagă și să genereze limbaj. Funcționează calculând, pas cu pas, cel mai probabil token următor. LLM-urile scriu, rezumă, traduc, răspund la întrebări și generează cod; exemple cunoscute sunt Claude, GPT, Gemini și Llama. Fără acces la surse actuale, ele știu doar ce se afla în datele lor de antrenare.

modele lingvistice
IA generativă
+1

Halucinație

O halucinație este un rezultat al unui model IA care sună convingător, dar este greșit sau complet inventat – de exemplu o hotărâre judecătorească inexistentă, o cifră incorectă sau o sursă inventată. Cauza: modelele lingvistice produc formulări probabile; ele nu caută automat fapte. Riscul scade atunci când răspunsurile se bazează pe surse verificate, se citează dovezi, iar oamenii verifică rezultatele importante.

modele lingvistice
fiabilitate
+1

Șablon

Generare augmentată prin regăsire (RAG)

Generarea augmentată prin regăsire combină căutarea cu generarea de text: înainte de a răspunde, sistemul caută într-o colecție de cunoștințe – de exemplu manuale, regulamente sau FAQ-uri – pasajele relevante și le transmite modelului lingvistic drept context. Răspunsul se bazează astfel pe conținut actual, specific companiei, și nu doar pe cunoștințele de antrenare ale modelului. Aceasta reduce afirmațiile inventate, face sursele verificabile și permite actualizări fără reantrenare.

RAG
căutare în cunoștințe
+1

Date de antrenare

Datele de antrenare sunt exemplele din care un model de IA învață tipare: colecții mari de texte pentru modelele lingvistice, imagini etichetate pentru modelele de imagini. Calitatea, diversitatea și actualitatea lor determină în mare măsură cât de fiabil și echitabil este un model și cât de actuale sunt cunoștințele sale. Pentru organizații contează și dacă un furnizor folosește datele clienților introduse de aceștia pentru antrenare ulterioară.

Date
Training
+1