探索超越問答的力量：Vectara推出創新RAG驅動的聊天模塊

Home AI新聞探索超越問答的力量：Vectara推出創新RAG驅動的聊天模塊

在生成式AI的時代，聊天機器人變得比以往更加普及，但它們真的更有幫助和準確嗎？今天，Vectara，專注於生成式AI的平台開發商，推出了一個新模組，旨在幫助企業創建和實施高準確度的聊天機器人。透過使用檢索增強生成（RAG）方法結合Boomerang向量嵌入，Vectara確保提供實時信息，同時降低錯誤的風險。自2022年10月進入公眾視野以來，Vectara不斷提升其平台以滿足用戶需求，此次推出的聊天模組是其能力的一大擴展。

「使用我們的聊天功能時，它利用RAG生成你的回應，」Vectara的聯合創始人兼首席架構師Tallat Shafaat表示。「這些答案來自你的文件，增強了準確性。」

現代聊天機器人：超越問答的對話AI

Vectara的新聊天模組與以往的產品有何不同？根據Vectara聯合創始人兼CEO Amr Awadallah的說法，關鍵在於可擴展性和對話持續性。以往，Vectara的API主要聚焦於問答互動，使用者提問後獲得答案。如果用戶有後續問題，則需重述原始問題，因為Vectara採取無狀態會話方式，不會保留對話歷史。這一限制經常迫使客戶自行構建持久層以保持狀態。但新的Vectara聊天模組通過整合持久記憶，改變了這一情況，允許平台無縫追蹤對話歷史。「這一擴展使我們的API能夠保持對話歷史，無需重述以前的查詢，」Awadallah表示。

在部署方面，Vectara提供API和簡單的部件，幫助組織僅需幾行JavaScript和HTML即可輕鬆將聊天模組整合到其網站或應用程式中。展望未來，Shafaat指出計劃進一步增強Vectara聊天功能，加入更多企業管理功能。帳戶擁有者將能夠對客戶聊天歷史進行語意分析，獲取用戶情緒和查詢趨勢的洞察。基於RAG的查詢功能還將有助於對用戶聊天進行詢問。

解決生成式AI中的幻覺與偏見

在企業中使用生成式AI的一大挑戰是幻覺的風險。Vectara的RAG方法是幾種旨在減少聊天模組中不準確回應的策略之一。Awadallah強調，Vectara的系統提供可解釋的回應並附有引用，增強了準確性。該平台還通過名為最大邊際相關性的先進方法來緩解偏見。「最大邊際相關性增加了我們返回結果的多樣性，」他解釋道。

Awadallah補充道，對於存在不同意見的辯論話題，強大的算法對於呈現多種觀點至關重要。「我們確保捕捉主要觀點和次要意見，即使它們的相關性較低，」他表示。

透過專注於準確性、多樣性及用戶互動，Vectara旨在提升聊天機器人在企業溝通中的角色。

Katzenberg支持的Alembic獲得1400萬美元資金以創新行銷分析領域

Rasa 獲得 3000 萬美元資金，提升客戶服務能力，利用生成式 AI 助手。