Редакция сайта ТАСС
НОВОСИБИРСК, 25 декабря. /ТАСС/. Ученые Новосибирского госуниверситета (НГУ) разработали программную библиотеку, которая позволяет повысить точность и надежность ответов нейросети и снизить риск галлюцинаций - ситуаций, когда ИИ выдает ложную или выдуманную информацию как достоверную. Об этом сообщили ТАСС в пресс-службе вуза.
Один из способов организации информации в виде сети взаимосвязанных элементов - это граф знаний. В отличие от обычных таблиц, где данные разложены по строкам и столбцам, граф знаний показывает, как разные элементы связаны друг с другом. Это помогает компьютерам "понимать" контекст, находить неявные закономерности и давать более точные ответы. В своем подходе новосибирские ученые предлагают соединить графы знаний с большими языковыми моделями.
"RAGU (Retrieval-Augmented Graph Utility) - открытая программная библиотека, призванная интегрировать графы знаний с большими языковыми моделями (LLM), позволяющая повысить точность и надежность ответов и снизить риск галлюцинаций в них
По словам одного из авторов разработки Ивана Бондаренко, именно объединение графов знаний и современных языковых моделей помогает повысить точность и снизить риск галлюцинаций в ответах.
Для этого ученые специальным образом дообучили генеративную нейросеть быть эффективным инструментом построения графа знаний, и делать это не за один шаг, а многошагово. "Такой подход позволяет снизить требования к аппаратному обеспечению и ускорить процесс. При оригинальном подходе для эффективного построения графа знаний часто требовались огромные языковые модели (до около 32 млрд параметров). Наш подход уменьшил размер до около 600 млн параметров за счет дообучения и многошаговой архитектуры, сохранив или даже повысив качество по сравнению с традиционными решениями", - приводит пресс-служба слова исследователя.
Помимо студентов и сотрудников НГУ, в проекте приняли участие представители МГУ, Балтийского Федерального университета им. Иммануила Канта, МИСИС, ДВФУ и ИТМО.
Комментарии