O MaxKB controla com eficácia as ilusões de modelos grandes por meio da estrutura da tecnologia Retrieval Augmented Generation (RAG), que consiste em três componentes principais:
- Estruturação do conhecimentoDivisão de texto e incorporação vetorizada: executa automaticamente a divisão de texto e a incorporação vetorizada ao carregar documentos para criar um gráfico de conhecimento pesquisável.
- Recuperação precisa de conteúdoQuando um usuário faz uma pergunta, o sistema primeiro recupera o fragmento de documento mais relevante na base de conhecimento, que serve como contexto para gerar a resposta.
- Geração de conteúdo restritoModelo amplo para geração restrita com base em conteúdo autorizado recuperado, evitando a fabricação de informações inexistentes
Em termos de implementação, o sistema adota o Chunk Embedding para processar documentos longos, combina perguntas com fragmentos de conhecimento por meio de algoritmos de similaridade (por exemplo, similaridade de cosseno) e, por fim, gera respostas que correspondem aos resultados da recuperação usando o recurso de compreensão contextual do LLM. Esse mecanismo melhora a precisão da resposta em cerca de 40%, o que é especialmente adequado para os cenários que precisam ser respondidos estritamente com base no conteúdo do documento.
Essa resposta foi extraída do artigoMaxKB: sistema de perguntas e respostas com base de conhecimento de IA pronto para uso para atendimento inteligente ao cliente e base de conhecimento internaO
