探索超越问答的力量：Vectara 发布创新的 RAG 驱动聊天模块

Home AI News CN 探索超越问答的力量：Vectara 发布创新的 RAG 驱动聊天模块

在生成性人工智能的时代，聊天机器人变得前所未有地普及——但它们真的更有帮助和准确吗？

今天，生成性人工智能平台构建公司Vectara推出了一款新模块，旨在帮助企业创建和部署高精度的聊天机器人。该模块利用检索增强生成（RAG）方法结合Boomerang向量嵌入，确保实时信息传递，同时降低幻觉发生的风险。自2022年10月披露以来，Vectara不断优化其平台，以更好地满足用户需求，而这一聊天模块的推出标志着其能力的重大扩展。

“使用我们的聊天功能时，它会利用RAG生成响应，”Vectara的联合创始人兼首席架构师Tallat Shafaat表示，“答案来自于您自己的文档，从而提高了准确性。”

现代聊天机器人：超越问答，迈向对话人工智能

Vectara的新聊天模块与以往产品有何不同？根据Vectara的联合创始人兼首席执行官Amr Awadallah的说法，关键在于可扩展性和对话的持久性。

以往，Vectara的API主要集中在问答交互上，用户提问后会得到答案。如果用户有进一步的问题，他们需要重新表述原始询问，因为Vectara的无状态会话方法无法保留对话历史。这一限制常常迫使客户自建持久层以维持状态对话。然而，新推出的Vectara聊天模块通过集成持久记忆，改变了这一点，实现了对话历史的无缝跟踪。“这个新扩展使我们的API能够维护对话历史，因此无需重新表述之前的问题，”Awadallah指出。

在部署方面，Vectara同时提供API和简易小部件，组织只需简单的JavaScript和HTML代码即可轻松将聊天模块集成到其网站或应用中。

展望未来，Shafaat提到将计划为Vectara Chat增添更多企业管理功能。账户拥有者将能够语义分析客户聊天记录，从而深入洞察用户情感和查询趋势。此外，基于RAG的查询功能将更好地支持对用户聊天的深入询问。

解决生成性人工智能中的幻觉和偏见

在企业中使用生成性人工智能的一大挑战是幻觉风险。Vectara的RAG方法是针对其聊天模块减少不准确响应可能性的一系列策略之一。

Awadallah强调，Vectara的系统提供可解释的响应，并附有引用，从而提升准确性。该平台还通过一种称为最大边际相关性（Maximal Marginal Relevance）的创新方法来减轻偏见。他解释道：“最大边际相关性提高了我们返回结果的多样性。”

Awadallah还补充说，对于具有不同观点的有争议话题，强大的算法对于呈现多元视角至关重要。“我们确保捕捉主要观点和次要意见，即使它们的相关性较低，”他说。

通过专注于准确性、多样性和用户参与，Vectara旨在提升聊天机器人在企业沟通中的角色。

凯茨堡支持的Alembic获得1400万美元，创新营销分析领域

Rasa获3000万美元融资，利用生成式AI助手提升客户服务体验