AI需要良好的数据才能正常运行。正如人类需要良好的数据来做出决策,从采取什么营销策略到给孩子吃什么,AI也需要良好的数据,即使我们的算法在不断扩展、演变和改进。
比如将岩石样本放置在金属框架内,将其中心切开以模拟断层,并将其置于围压下,让局部传感器测量样品变形时发生的情况。
为了解决幻觉问题,研究人员采用了检索增强生成(RAG)的方法,并添加了几个重要步骤来进一步减轻幻觉,并改进对话性指标。通过这些优化,WikiChat在事实准确性方面比微调后的SOTA RAG模型Atlas高出8.5%。此外,研究人员还将基于GPT-4的WikiChat提炼成7B参数的LLaMA模型,这个模型在事实准确性方面能达到91.1%的高分,并且运行速度提高了6.5倍,能效更好,可以本地部署。
论文地址:https://arxiv.org/pdf/2401.01792.pdf
8. 使用 Chat GPT 起草商务电子邮件