Baidu, ведущая компания в области искусственного интеллекта (ИИ), подчеркивает важность сбалансированного подхода в ИИ, который способен производить верные и быстрые ответы. Retrieval-augmented generation (RAG), включающий использование языковой модели для отправки запроса к внешнему источнику данных для получения авторитетной информации, становится ключевой технологией в борьбе между большими языковыми моделями (LLM). RAG помогает уменьшить ложные утверждения, или "галлюцинации", LLM. Коммерческие поставщики, такие как Elastic и Pinecone, разрабатывают программы, которые позволяют компаниям подключаться к базам данных и получать точные ответы. Использование RAG ожидается стать широко распространенным во всех моделях ИИ и потребует более тесной интеграции между обучением генеративного ИИ и техниками RAG.

Однако в LLM-моделях необходимо решить проблемы, такие как конфликтующая информация и ограниченная обработка контекста. Исследователи изучают случаи неудач и предлагают методы обучения, например INFO-RAG, для повышения точности LLM с использованием данных RAG. RAG также представляет альтернативу методам точной настройки и вызова функций, что может направить развитие LLM на создание более компактных моделей. Впереди нас ожидает адаптация ИИ-моделей для эффективного включения знаний, основанных на RAG, и создание LLM, осознающих RAG и настроенных для конкретных областей или компаний.