Contextual AI 4 марта представила свою обоснованную языковую модель (GLM), заявив, что она обеспечивает высочайшую фактическую точность в отрасли, превосходя ведущие системы ИИ от Google, Anthropic и OpenAI по ключевому показателю правдивости.
Стартап, основанный пионерами технологии генерации с дополненным поиском (RAG), сообщил, что его GLM достиг 88% фактологической точности в тесте FACTS по сравнению с 84,6% у Gemini 2.0 Flash от Google, 79,4% у Claude 3.5 Sonnet от Anthropic и 78,8% у GPT-4o от OpenAI.
Несмотря на то, что большие языковые модели изменили корпоративное программное обеспечение, фактические неточности, которые часто называют галлюцинациями, остаются серьёзной проблемой для внедрения в бизнес. Контекстный ИИ призван решить эту проблему, создав модель, специально оптимизированную для корпоративных приложений RAG, где точность имеет первостепенное значение.
«Мы знали, что частью решения будет технология под названием RAG — расширенная генерация с использованием поиска, — сказал Дуве Киела, генеральный директор и соучредитель Contextual AI, в эксклюзивном интервью VentureBeat. — И мы знали это, потому что я был одним из изобретателей RAG».
Концепция компании значительно отличается от моделей общего назначения, таких как ChatGPT или Claude, которые предназначены для решения самых разных задач — от написания художественных произведений до технической документации. Контекстный ИИ ориентирован на высокорисковые корпоративные среды, где точность фактов важнее творческой гибкости.
«Если у вас есть проблема с RAG и вы работаете в компании в строго регулируемой отрасли, вы не потерпите никаких галлюцинаций, — объяснила Киела. — Та же универсальная языковая модель, которая полезна для отдела маркетинга, не подходит для работы в компании, где вы гораздо более чувствительны к ошибкам».Сравнение показателей, демонстрирующее, что новая GLM Contextual AI превосходит конкурентов из Google, Anthropic и OpenAI в тестах на фактическую точность. Компания утверждает, что её специализированный подход снижает количество галлюцинаций ИИ в корпоративных средах.
Концепция «обоснованности», означающая, что ответы ИИ должны строго соответствовать предоставленной информации, стала ключевой для корпоративных ИИ-систем. В таких отраслях, как финансы, здравоохранение и телекоммуникации, компании нуждаются в ИИ, который либо даёт точную информацию, либо признаёт отсутствие знаний.
Киела отметила, как важна эта обоснованность: даже если в рецепте есть оговорка о том, что он верен лишь в большинстве случаев, стандартная модель всё равно будет считать его абсолютно точным. В отличие от этого, GLM улавливает нюанс и указывает на ограниченность информации. Способность ИИ признать «я не знаю» особенно ценна в корпоративной среде.
Платформа Contextual AI основана на подходе «RAG 2.0», который превосходит простое объединение готовых компонентов. Обычная система RAG использует замороженную модель для встраивания, векторную базу данных для поиска и «чёрный ящик» языковой модели для генерации, соединённые подсказками или оркестратором. Это создаёт неэффективную систему, где компоненты работают, но не оптимально.
В отличие от этого, Contextual AI оптимизирует все компоненты системы совместно. Киела объясняет, что у них есть компонент для интеллектуального поиска, который анализирует вопрос и планирует стратегию поиска, как современные модели. Система работает с «лучшим в мире механизмом ранжирования», который помогает выделять важную информацию перед её передачей в языковую модель.
Хотя недавно анонсированный GLM сосредоточен на генерации текста, платформа Contextual AI теперь поддерживает мультимодальный контент, включая графики, схемы и структурированные данные из таких платформ, как BigQuery, Snowflake, Redshift и Postgres.
Киела подчеркнула, что самые сложные задачи на предприятиях возникают на стыке структурированных и неструктурированных данных, таких как записи в базах данных и документы с политиками. Платформа уже может работать с различными сложными визуализациями, включая схемы в полупроводниковой промышленности.
Компания Contextual AI планирует вскоре после запуска GLM представить специализированный компонент для повторного ранжирования, а затем улучшить возможности понимания документов. Также разрабатываются экспериментальные функции для расширения агентских возможностей.
Основанная в 2023 году Киэлой и Аманпритом Сингхом, ранее работавшими в Meta* и Hugging Face, компания привлекла клиентов, таких как HSBC, Qualcomm и The Economist, и помогает предприятиям извлекать реальную пользу от инвестиций в ИИ.
Киела отметила, что это шанс для компаний, испытывающих давление по поводу получения прибыли от ИИ, обратить внимание на специализированные решения, которые действительно решают их проблемы, благодаря обоснованной языковой модели, которая эффективно работает с контекстом.
*Meta и её продукты (Instagram, Facebook) запрещены на территории Российской Федерации
Источник
Источник новости: habr.com
