Google lancia DataGemma per migliorare l’affidabilità degli LLM

Google annuncia DataGemma, un nuovo set di modelli aperti progettati per migliorare l’affidabilità dei modelli linguistici di grandi dimensioni collegandoli a dati reali provenienti da fonti autorevoli tramite Data Commons. DataGemma utilizza il “Knowledge Graph” (o Grafo della conoscenza)  di Google, che raccoglie oltre 250 miliardi di dati su vari argomenti (persone, luoghi, cose), per ridurre le allucinazioni nei LLM.

L’iniziativa sfrutta due tecniche, la prima è la Generazione Interlacciata di Recupero (RIG), la seconda, invece, consiste nella Generazione Aumentata di Recupero (RAG). Il primo approccio consente al modello di verificare la correttezza dei dati, mentre il secondo fornisce direttamente informazioni fattuali all’LLM durante la generazione della risposta. Entrambi i metodi mirano a rendere l’IA più radicata nei dati reali e affidabile.

Leggi l’articolo completo: Grounding AI in reality with a little help from Data Commons su research.google.

Grounding AI in reality with a little help from Data Commons

Large Language Models (LLMs) have revolutionized how we interact with information, but grounding their responses in verifiable facts remains a fundamental challenge. This is compounded by the fact that real-world knowledge is often scattered across numerous sources, each with its own data formats, schemas, and APIs, making it difficult to access and integrate. Lack of grounding can lead to hallucinations — instances where the model generates incorrect or misleading information. Building responsible and trustworthy AI systems is a core focus of our research, and addressing the challenge of hallucination in LLMs is crucial to achieving this goal.

Immagine generata tramite DALL-E 3.

Lascia questo campo vuoto

Registrati alla newsletter

Controlla la tua mail o la cartella dello spam se non hai ricevuto nulla, e conferma la tua iscrizione.