Perplexity озық жасанды интеллектке дәлдікті қалай енгізеді

Біздің миссиямыз – әлемдік білімді көбірек білгісі келетін және онымен көбірек іске асырғысы келетін адамдар үшін қызығушылықты ояту. Ол үшін біздің басты назарымыз әрқашан ең озық жасанды интеллект модельдерін Perplexity жүйесінде бұрынғыдан да дәлірек етуге бағытталған.

Біз мұны қалай жасайтынымыздың артындағы технологиялардың бірін алғаш рет бөлісіп отырмыз. Бүгін біздің зерттеу тобымыз іздеумен кеңейтілген LLM-дердің техникалық шолуын жариялады.

Дәлдікті дамыту үшін біз ондаған процесті қолданамыз, және бұл солардың бірін іштей көруге мүмкіндік беретін сирек жағдай: озық жасанды интеллект модельдерін Search, Comet және Computer сияқты Perplexity өнімдерінің дәлдік стандарттарына сай етіп оқытудан кейінгі кезеңнен өткізу.

Біз іздеуге дейін мінез-құлықты үйретеміз

Жауаптар қозғалтқышы негізгі модельдерден тек еркін мәтін генерациялауды ғана емес, сонымен қатар көбірек нәрсені талап етеді. Олар дәлелдерді тауып, пайдаланушының сұранысын орындап, құралдарды дұрыс қолданып, сол жұмысты мақсатты жауапқа айналдыруы керек.

Біз бұл үшін оқытудан кейінгі жұмысты екі кезеңде жүргіземіз. Біріншіден, біз модельге өнім ішінде қалай әрекет ету керектігін, соның ішінде нұсқауларды орындауды, тұрақты болуды және құралдарды дұрыс пайдалануды үйретеміз. Содан кейін оны іздеудің қиынырақ тапсырмалары бойынша оқытамыз, соның арқасында ол дәлелдерді табуды, оларды тиімді пайдалануды және тиімдірек жауап беруді жақсарта түседі.

Бұл кезеңдік тәсіл – Perplexity мен модель және вебке қолжетімділігі бар дәстүрлі қаптама (wrapper) орнату арасындағы қарапайым айырмашылықтардың бірі. Сондықтан бірдей модель әртүрлі өнімдерде әртүрлі нәтижелер бере алады және ол қарапайым енгізуге қарағанда Perplexity жүйесінде тиімдірек жұмыс істей алады.

Синтезді қажет ететін сұрақтар

Кейбір сұрақтар – оңай ізделетін мәліметтер. Басқалары модельден дереккөздер арасындағы дәлелдерді байланыстыруды талап етеді.

Біз модельден дереккөздер арасындағы дәлелдерді байланыстыруды талап ететін сұрақтар бойынша оқытамыз. Фактілік сұрақтар үшін біз модельді бір анық көмескі белгіден жауапқа асығыс көшуге емес, іздеуге, пайымдауға және тексеруге мәжбүрлейтін тапсырмаларды қолданамыз. Көптеген сұрақтар бірнеше дереккөз бойынша ақпаратты байланыстыруды талап етеді. Олар модельден бір дәлелден екіншісіне өтіп, сол тізбектен жауап құрастыруды талап етеді.

Сондай-ақ біз әртүрлі жауап форматтары бойынша оқытамыз, осылайша пайдаланушыға абзац, тізім, кесте немесе басқа құрылым қажет пе, модель дәлдігін сақтайды. Нәтижесінде тек бөлінген фактілерді алудың орнына, дереккөздер арасындағы дәлелдерді байланыстыратын жауаптардан тұратын жақсырақ синтез жасалады.

Ашық тапсырмалар стандарттарды қажет етеді

Perplexity тек фактілерді іздеу үшін ғана қолданылмайды. Жұмыстың көп бөлігі қайта жазу, өңдеу, қорытындылау, түсіндіру және жоспарлау сияқты ашық сипатта болады.

Бұл тапсырмалардың нақты бір дұрыс жауабы жоқ, бірақ оларға әлі де стандарттар қажет. Ашық жұмыстар үшін біз жауаптың шынымен де өз міндетін орындағанын не орындамағанын текетін құрылымдық тексерулер болып табылатын рубрикаларды қолданамыз. Ол нұсқауларды орындады ма? Мағынасын сақтап қалды ма? Пайдаланушының мәселесін шешті ме?

Бұл бізге ашық тапсырмаларды еркін пішінді жазу ретінде қарастырмай, анық стандарттармен оқытуға мүмкіндік береді.

Дәлдік артықшылықтан бұрын тұрады

Фактологиялық тапсырмалар үшін жауап пайдалырақ немесе жақсырақ жазылғаны үшін бағаланбас бұрын дұрыс болуы тиіс. Ашық тапсырмалар үшін басқа қасиеттер ескерілмес бұрын жауап рубрика талаптарын қанағаттандыруы тиіс.

Бұл жүйенің назарды стильден гөрі мәнге аударуын қамтамасыз етеді. Бұл шынымен жақсы болмай тұрып, жақсы көрінетін жауаптардың жиі кездесетін қателік режимінің алдын алуға көмектеседі. Мұның пайдасы – тексеру кезінде бұзылып кетпейтін жылтыратылған жауаптардың азаюы.

Тиімділік жауап сапасына ықпал етеді

Сондай-ақ біз модельді іздеуді ұқыпты пайдалануға үйретеміз.

Кез келген қосымша іздеу қадамы жауапты жақсартуы тиіс, ал ұзағырақ жауап өз ұзақтығын ақтауы керек. Қосымша іздеу немесе қосымша сөздер көмектеспеген жағдайда, жүйе тоқтауы тиіс.

Бұл пайдалануға оңайырақ жауаптарды шығарады және шағын қателер жиналатын әрекеттердің ұзағырақ тізбектерін орындаған кезде модель үшін назарды сақтайды.

Жақсырақ жауаптар үзіліссіз жұмысты талап етеді

Іздеу сапасы өнімнің модельді дәлелдерді жинауға, тәртіппен жауап беруге, ашық жұмыстарды өңдеуге және жеткілікті қолдау тапқан кезде тоқтауға қалай үйрететініне байланысты болады.

Жасанды интеллект жүйелері ұзағырақ және автономиялы жұмыстарды орындаған сайын, бұл оқыту жеке жауаптардың және олардың үстіне салынған барлық нәрсенің сапасын қалыптастырады. Біз Perplexity 100% дәл деп ешқашан мәлімдеген емеспіз, бірақ біз бұған көбірек мән беретін және бұл бағытта тынымсыз жұмыс істейтін жасанды интеллект компаниясы екенімізді растаймыз. Біз барлық пайдаланушыларды Perplexity жауаптарына кері байланыс беруге шақырамыз, өйткені біз үнемі қайталап, жақсартып отырамыз.