Földi észlelés
A földiesség-észlelési API észleli, hogy a nagy nyelvi modellek (LLM-ek) szöveges válaszai a felhasználók által biztosított forrásanyagokban vannak-e alapulva. A rendezetlenség olyan példányokra utal, ahol az LLM-ek olyan információkat hoznak létre, amelyek nem tényszerűek vagy pontatlanok a forrásanyagokban található információkból.
Kulcsfogalmak
Bővített generáció (RAG) lekérése: A RAG az LLM-ismeretek más adatokkal való bővítésének technikája. Az LLM-eknek sokféle témájuk lehet, de tudásuk a betanításakor rendelkezésre álló nyilvános adatokra korlátozódik. Ha olyan AI-alkalmazásokat szeretne létrehozni, amelyek indokolhatják a modell leépítési dátuma után bevezetett személyes adatokat vagy adatokat, meg kell adnia a modellnek ezeket az információkat. A megfelelő információk beolvasásának és a modell parancssorba való beszúrásának folyamatát a retrieveal augmented generation (RAG) néven ismerjük. További információ: Retrieveal-augmented generation (RAG).
Az LLM-ek alapozottsága és alaptalansága: Ez azt jelenti, hogy a modell kimenetei milyen mértékben alapulnak a megadott információkon, vagy pontosan tükrözik a megbízható forrásokat. A megalapozott válasz szorosan megfelel a megadott információknak, elkerülve a spekulációt vagy a gyártást. A földi mérések során a forrásadatok kulcsfontosságúak, és földi forrásként szolgálnak.
A földi észlelési funkciók
- Tartomány kiválasztása: A felhasználók választhatnak egy létrehozott tartományt, hogy a mezőjük adott igényeinek megfelelő, személyre szabottabb észlelést biztosítsanak. Jelenleg az elérhető tartományok és
MEDICALGENERICa . - Feladat specifikációja: Ez a funkció lehetővé teszi a feladat kiválasztását, például a QnA -t (kérdés - válasz) és az összegzést, a tevékenységtípusnak megfelelően állítható beállításokkal.
- Sebesség és értelmezhetőség: Két mód van, amelyek a sebességet az eredmény értelmezhetőségével cserélik le.
- Nem érvelési mód: Gyors észlelési képességet kínál; egyszerűen beágyazható online alkalmazásokba.
- Érvelési mód: Részletes magyarázatokat kínál az észlelt nem földelt szegmensekre; jobb megértést és kárenyhítést.
Használati esetek
Az alapszintű észlelés támogatja a szövegalapú összegzési és QnA-feladatokat, hogy a létrehozott összegzések vagy válaszok pontosak és megbízhatóak legyenek. Íme néhány példa az egyes használati esetekre:
Összegzési feladatok:
- Orvosi összegzés: Az orvosi hírek kontextusában a megalapozottság észlelése használható annak biztosítására, hogy az összefoglalás ne tartalmazzon koholt vagy félrevezető információkat, biztosítva, hogy az olvasók pontos és megbízható orvosi információkat kapjanak.
- Tanulmányi dokumentumok összegzése: Ha a modell tudományos dolgozatok vagy kutatási cikkek összegzését hozza létre, a függvény segít biztosítani, hogy az összegzett tartalom pontosan képviselje a legfontosabb megállapításokat és hozzájárulásokat hamis állítások bevezetése nélkül.
QnA-feladatok:
- Ügyfélszolgálati csevegőrobotok: Az ügyféltámogatásban a függvény használható az AI-csevegőrobotok által biztosított válaszok ellenőrzésére, biztosítva, hogy az ügyfelek pontos és megbízható információkat kapjanak, amikor termékeket vagy szolgáltatásokat kérdeznek fel.
- Orvosi QnA: Az orvosi QnA esetében a funkció segít ellenőrizni az AI-rendszerek által az egészségügyi szakembereknek és betegeknek nyújtott orvosi válaszok és tanácsok pontosságát, csökkentve az orvosi hibák kockázatát.
- Oktatási QnA: Az oktatási beállításokban a függvény alkalmazható a QnA-feladatokra, hogy meggyőződjön arról, hogy az akadémiai kérdésekre vagy a tesztelőkészítő lekérdezésekre adott válaszok tényszerűen pontosak, támogatva a tanulási folyamatot.
Korlátozások
Nyelvi rendelkezésre állás
A Földiesség-észlelési API jelenleg támogatja az angol nyelvű tartalmakat. Bár az API nem korlátozza a nem angol nyelvű tartalmak beküldését, más nyelvi tartalmak elemzésében nem garantálhatjuk ugyanazt a minőséget és pontosságot. Javasoljuk, hogy a felhasználók elsősorban angol nyelven küldjenek tartalmat, hogy a legmegbízhatóbb és legpontosabb eredményeket biztosíthassák az API-ból.
Szöveghossz korlátozásai
A földelési források maximális karakterkorlátja API-hívásonként 55 000 karakter, a szöveg és a lekérdezés esetében pedig 7500 karakter api-hívásonként. Ha a bemenet (szöveges vagy földelési források) túllépi ezeket a karakterkorlátozásokat, hibaüzenet jelenik meg.
Régiók
Az API használatához létre kell hoznia az Azure AI Content Széf ty erőforrást a támogatott régiókban. Jelenleg a következő Azure-régiókban érhető el:
- USA 2. keleti régiója
- USA keleti régiója
- USA nyugati régiója
- Közép-Svédország
TPS-korlátozások
| Tarifacsomag | Kérelmek 10 másodpercenként |
|---|---|
| F0 | 50 |
| S0 | 50 |
Ha magasabb díjra van szüksége, forduljon hozzánk , hogy kérje.
Következő lépések
Kövesse a rövid útmutatót az Azure AI Content Széf ty használatának első lépéseihez az alapok észleléséhez.