解鎖 Google 的 DataGemma AI 潛力：您的終極統計魔法師

Home AI新聞解鎖 Google 的 DataGemma AI 潛力：您的終極統計魔法師

Google 擴展了其人工智慧模型系列，以應對該領域的關鍵挑戰。今天，該公司推出了 DataGemma，這是一套開源、經過指導調校的模型，旨在減少幻覺現象——即大型語言模型 (LLM) 產生不準確回覆，特別是在統計查詢中。

這些新模型已在 Hugging Face 提供，供研究和學術用途，並在現有的 Gemma 系列基礎上進行擴展，利用來自 Google Data Commons 平台的豐富實際數據。該公共平台擁有一個開放知識圖譜，包含超過 2400 億個數據點，這些數據源自各個領域的可靠機構，包括經濟、科學和健康等。

應對事實幻覺現象

大型語言模型革新了科技，驅動了從代碼生成到客戶支持的應用程序，並優化了企業資源的使用。儘管取得了顯著進展，幻覺問題，尤其是與數字和統計數據相關的問題，依然存在。

根據 Google 研究人員的說法，這一現象的成因包括 LLM 輸出的概率性特徵以及訓練數據中事實覆蓋的不充分。由於公用數據的格式和架構多樣，傳統的基礎技術在處理統計查詢時面臨挑戰，這需要大量上下文才能進行準確解釋。

為了彌補這些缺口，研究人員將 Data Commons，這個最大規模的標準化公共統計數據庫，與 Gemma 語言模型系列結合，創造了 DataGemma。

創新的方法提升準確性

DataGemma 採用了兩種不同的方法來提高事實的準確性：

1. 檢索交錯生成 (RIG)：這種方法通過將 LLM 的原始輸出與 Data Commons 中的相關統計數據進行比較，來整合事實準確性。經過調整的 LLM 生成描述性自然語言查詢，這些查詢轉換成結構化數據查詢，以檢索統計相關的答案，包括引用。

2. 檢索增強生成 (RAG)：這種方法通過利用原始統計問題來提取相關變量，並形成針對 Data Commons 的自然語言查詢，來增強模型。提取的數據與原始問題相結合，然後用於促使長上下文的 LLM（如 Gemini 1.5 Pro）生成精確答案。

測試顯示出良好的結果

在涉及 101 個查詢的初步測試中，使用 RIG 調整的 DataGemma 模型將事實準確性提高了 5-17%，達到約 58% 的準確率。雖然 RAG 的結果稍微低一些，仍然超過了基準模型。

DataGemma 成功回答了 24-29% 的查詢，使用了來自 Data Commons 的統計回覆，並在數值準確性上保持了 99%的標準。然而，它在從數字中推斷準確性方面面臨了 6-20% 的挑戰。

RIG 和 RAG 技術在提高統計查詢模型的準確性方面都顯示出效力，特別是在研究和決策背景中。RIG 提供了速度，而 RAG 提供了更豐富的數據，但依賴於信息的可用性和大型上下文處理能力。

Google 旨在通過公開發布結合 RIG 和 RAG 的 DataGemma 推進這些方法的研究。該公司表示：“我們的研究仍在進行中，並致力於隨著這項工作的擴展進一步完善這些方法，確保嚴格測試，並通過漸進式、限量訪問的方法將增強功能整合到 Gemma 和 Gemini 模型中。”

理解 OpenAI 的新 o1-Preview 和 o1-Mini 模型：開發者的關鍵見解

忘掉 GPT-5！OpenAI 發布全新 AI 模型系列 o1，具備博士級表現

Most people like

SermonAI

41.9K

利用人工智能提升牧師的效果，輕鬆準備講道。

講道準備 Religion

Quiz Wizard

19.2K

Quiz Wizard 是一個創新的人工智慧驅動平台，旨在創建定制的選擇題 (MCQs) 和量身訂做的學習資源。

人工智慧 AI Education Assistant

Kardome

9.1K

即時語音指令輸入與音頻播放。

VUI 設計 AI Voice Assistants

Jobright: Your AI Job Search Copilot

933.6K

解鎖您的職業潛力，使用 AI 求職助手進行個性化職位匹配在當今競爭激烈的求職市場中，找到合適的職位可能令人畏懼。引入 AI 求職助手：您的智益助手，旨在幫助您駕馭職場。通過分析您的技能、偏好和職業目標，這一創新工具提供與您的願景完美契合的個性化職位推薦。節省時間，簡化求職過程，通過個性化建議提高成功獲得理想工作的機會。

人工智慧求職工具 Cover Letter Generator

Find AI tools in YBX