ກາວນດິງ (Grounding)

Grounding ແມ່ນຫຍັງ

Grounding ແມ່ນເຕັກນິກທີ່ໃຊ້ກວດສອບຜົນລັບຂອງ LLM ກັບແຫຼ່ງຂໍ້ມູນພາຍນອກທີ່ເຊື່ອຖືໄດ້ ເພື່ອສ້າງຄຳຕອບທີ່ອີງໃສ່ຂໍ້ເທັດຈິງ. ວິທີການນີ້ຖືກຈັດວາງເປັນວິທີການຫຼັກໃນການຫຼຸດຜ່ອນ Hallucination (ຄຳຕອບທີ່ເບິ່ງໜ້າເຊື່ອຖືໄດ້ແຕ່ບໍ່ຕ່າງກັບຄວາມເປັນຈິງ).

RAG ແມ່ນວິທີການຈັດຕັ້ງປະຕິບັດ Grounding

RAG (Retrieval-Augmented Generation) ແມ່ນວິທີທົ່ວໄປທີ່ສຸດໃນການຈັດຕັ້ງປະຕິບັດ Grounding. ໂດຍການຄົ້ນຫາຂໍ້ມູນທີ່ກ່ຽວຂ້ອງຈາກຖານຂໍ້ມູນພາຍນອກຫຼືເອກະສານ ແລ້ວສົ່ງຂໍ້ມູນດັ່ງກ່າວໃຫ້ Model ເປັນ Context ຈຶ່ງເຮັດໃຫ້ Model ສາມາດຕັດສິນໄດ້ງ່າຍຂຶ້ນວ່າ "ສິ່ງທີ່ຕົນບໍ່ຮູ້ນັ້ນຕົນບໍ່ຮູ້".

ຢ່າງໃດກໍ່ຕາມ, Grounding ຈະບໍ່ສຳເລັດດ້ວຍ RAG ພຽງຢ່າງດຽວ. ຫາກຄຸນນະພາບຂອງຜົນການຄົ້ນຫາຕ່ຳ ກໍ່ມີຄວາມສ່ຽງທີ່ຈະເກີດ Grounding ກັບຂໍ້ມູນທີ່ຜິດພາດໄດ້.

ໂຄງສ້າງຫຼາຍຊັ້ນຂອງ Grounding

Grounding ທີ່ມີປະສິດທິພາບຈະຖືກຈັດຕັ້ງປະຕິບັດໃນຫຼາຍຊັ້ນ.

1. ຊັ້ນການຄົ້ນຫາ: ດຶງຂໍ້ມູນທີ່ກ່ຽວຂ້ອງດ້ວຍ Vector Search ຫຼື Knowledge Graph
2. ຊັ້ນການກວດສອບ: ປະເມີນຄວາມທັນສະໄໝ ແລະ ຄວາມໜ້າເຊື່ອຖືຂອງຂໍ້ມູນທີ່ດຶງມາ
3. ຊັ້ນການສ້າງ: ເພີ່ມການອ້າງອີງແຫຼ່ງຂໍ້ມູນໃນຄຳຕອບ ເພື່ອໃຫ້ສາມາດກວດສອບໄດ້
4. ຊັ້ນຜົນລັບ: ກວດສອບຄວາມຖືກຕ້ອງຂອງຂໍ້ເທັດຈິງຂັ້ນສຸດທ້າຍດ້ວຍ Guardrail

ຜົນໄດ້ຮັບໃນການປະຕິບັດຕົວຈິງ

ພຽງແຕ່ "ໃຫ້ຕອບພ້ອມກັບການອ້າງອີງແຫຼ່ງທີ່ມາ" ກໍ່ສາມາດຫຼຸດອັດຕາ Hallucination ໄດ້ຢ່າງຫຼວງຫຼາຍ. ຢ່າງໃດກໍ່ຕາມ ເນື່ອງຈາກ LLM ອາດຈະປອມແປງແຫຼ່ງອ້າງອີງໄດ້ ຈຶ່ງເປັນການດີທີ່ຈະອອກແບບລະບົບໃຫ້ຄອບຄຸມເຖິງກົນໄກການກວດສອບໃນຂັ້ນຕອນຫຼັງການປະມວນຜົນ (Post-processing) ວ່າ URL ຂອງແຫຼ່ງອ້າງອີງນັ້ນມີຢູ່ຈິງຫຼືບໍ່.