Introduzione

  • 2 minuti

I modelli linguistici stanno diventando sempre più popolari man mano che creano risposte coerenti e impressionanti alle domande di un utente. Soprattutto quando un utente interagisce con un modello linguistico tramite chat, utilizza un modo intuitivo per ottenere le informazioni necessarie.

Una sfida importante quando si implementano modelli linguistici tramite chat è il concetto di groundedness, che si riferisce al fatto che una risposta sia radicata, connessa o ancorata nella realtà o in un contesto specifico. In altre parole, la groundedness si riferisce al fatto che la risposta di un modello linguistico si basa su informazioni fattuali.

Prompt e risposte non in primo piano

Quando si usa un modello linguistico per generare una risposta a un prompt, le uniche informazioni su cui il modello deve basare la risposta provengono dai dati su cui è stato eseguito il training, che spesso è solo una grande quantità di testo non crittografato da Internet o da un'altra origine.

Diagramma di un modello non in primo piano che restituisce una risposta non crittografata.

Il risultato sarà probabilmente una risposta grammaticalmente coerente e logica al prompt, ma poiché non è basata su dati rilevanti e concreti, non è non contestualizzata; possono infatti essere imprecise e includere informazioni "inventate". Ad esempio, la domanda "Quale prodotto devo usare per X?" può includere i dettagli di un prodotto fittizio.

Prompt e risposte basate su dati

Al contrario, è possibile usare un'origine dati per basare la richiesta su un contesto rilevante e effettivo. La richiesta può quindi essere inviata a un modello linguistico, inclusi i dati di base, per generare una risposta contestualizzata, pertinente e accurata.

Diagramma di un modello basato su dati che restituisce una risposta non contestualizzata.

L'origine dati può essere qualsiasi repository di dati pertinenti. Ad esempio, è possibile usare i dati di un database del catalogo prodotti per impostare la richiesta "Quale prodotto devo usare per eseguire X?" in modo che la risposta includa i dettagli pertinenti dei prodotti presenti nel catalogo.

In questo modulo viene illustrato come creare un'applicazione di modello linguistico basata su chat, creando un copilota con i propri dati.