概述
联合创始人 Douwe Kiela 与人共同撰写了 2020 年 RAG 论文；该公司表示，其平台结合了公司文档的检索和生成组件。
深入探讨
Contextual AI 由 Douwe Kiela 和 Amanpreet Singh 于 2023 年创立。 Kiela 与 Patrick Lewis 和其他研究人员共同撰写了 2020 年 RAG 论文的原始论文；该论文不是公司论文，基拉是共同作者，而不是列出的主要作者。该公司提供一个托管 RAG 平台，其中包含提取、检索、重新排名和生成组件。情境人工智能表示，它将这些组件一起调整，但准确性和性能取决于语料库和任务，应该在评估中进行衡量。该公司将其扎根语言模型 (GLM) 描述为经过训练，可以根据检索到的段落得出答案，并在证据缺失时表达不确定性。这是一个训练目标，并不能保证每个答案。引文可以帮助人们检查来源段落，但它们本身并不能建立监管合规性。
现实世界的实施
银行的分析师在内部研究报告和文件中提出问题，然后审查相关来源段落的链接。
一家工程公司搜索数十年的设备手册和维护日志来诊断机器故障，而无需阅读每个 PDF。
保险团队检查数百种合同变体的保单措辞，以确认特定索赔是否得到承保。
制药团队使用与其数据治理要求相匹配的控制措施来检索临床试验方案和监管提交材料。
情境 AI 企业 RAG 的未来
Enterprise RAG 可以将文档检索与结构化数据和多步骤代理工作流程相结合。来源参考和评估日志可以支持审查和审计，但仅引用并不能满足监管要求；团队必须评估数据访问、保留、安全性以及部署的适用义务。性能取决于语料库、查询组合、检索配置、模型和评估方法，因此应在代表性任务上衡量变化。
付诸实践
为什么这很重要
- 供应商策略. 供应商路线图会影响您的团队接下来可以构建的功能。
- 成本与预算. 商业条款和部署选项会影响长期成本和风险。
- 风险与安全. 公司激励措施塑造了产品默认、安全态势和开放性。
留意
- 发布公告可能会超过实际生产工作流程的稳定性。
- API 定价或政策转变可能会在一夜之间打破假设。
- 单一供应商依赖性增加了锁定和迁移成本。
后续步骤
- 使用您自己的任务和数据集评估提供商。
- 在集成之前查看隐私、安全和法律条款。
- 维护跨模型或供应商的后备计划。
- 监控发行说明，以便路线图的更改不会让团队感到意外。
不断探索
常见问题
什么是情境 AI 企业 RAG？
情境 AI 为企业知识工作构建检索增强生成 (RAG) 系统。联合创始人 Douwe Kiela 与人共同撰写了 2020 年 RAG 论文；该公司表示，其平台结合了公司文档的检索和生成组件。
缩写词 RAG 代表什么？
RAG 代表检索增强生成，其中模型在生成答案之前检索相关文档。
Contextual AI 联合创始人 Douwe Kiela 与 2020 年 RAG 原始论文有何联系？
最初的 RAG 论文将 Douwe Kiela 列为共同作者。 Contextual AI 的另一位联合创始人 Amanpreet Singh 并未被列入该论文的作者之列。
Contextual AI 扎根语言模型的既定训练目标是什么？
情境 AI 将基础和不确定性描述为其 GLM 的训练目标；不能保证每个响应都会出现这种行为，必须在预期的语料库上进行评估。
重新排序步骤在 RAG 管道中起什么作用？
重新排序会对最初检索的块进行重新排序，以便最相关的段落到达生成器。
与固定在矢量数据库上的通用聊天机器人相比，情境人工智能有什么优势？
上下文人工智能表示，它将提取、检索、重新排名和生成作为一个平台进行调整。这是公司描述的设计目标；结果取决于工作量并且应该进行测试。