Bonne réponse
- AActiver Vertex AI Grounding avec un magasin de données d'entreprise personnalisé contenant la documentation.
Explication
Vertex AI Grounding avec un magasin de données d'entreprise personnalisé est l'approche correcte car elle permet au chatbot de récupérer et de citer des extraits spécifiques de la documentation produit en temps réel, réduisant directement les hallucinations en limitant les réponses à du contenu vérifié. Cette méthode utilise le service d'ancrage sous-jacent pour interroger un magasin de données vectoriel (propulsé par Vertex AI Search) et ajouter des références de source à la sortie du modèle, garantissant l'exactitude factuelle sans réentraînement.
Pour aller plus loin
Sous le capot, Vertex AI Grounding utilise un pipeline de génération augmentée par récupération (RAG) où la requête de l'utilisateur est convertie en vecteur, une recherche des plus proches voisins est effectuée sur le magasin de données personnalisé (qui indexe la documentation en morceaux avec des représentations vectorielles), et les meilleurs résultats sont injectés dans le prompt comme contexte. Le modèle génère ensuite une réponse ancrée dans ces passages récupérés, et le service inclut automatiquement des citations avec des URL de source et des numéros de page. Un comportement subtil est que le seuil de confiance de l'ancrage peut être ajusté ; s'il est défini trop haut, le modèle peut refuser de répondre, et s'il est défini trop bas, il peut toujours halluciner en ignorant le contexte récupéré.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement Generative AI Leader originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.
Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.