Новое исследование: графы знаний эффективнее SQL для памяти ИИ-агентов
Исследование, проведённое Секедой и его коллегами, показало, что большие языковые модели (LLM), в частности GPT-4, значительно точнее извлекают информацию из графов знаний по сравнению с традиционными SQL-базами данных при решении корпоративных задач.
Согласно данным исследования, опубликованным на Habr, GPT-4 давал корректные ответы лишь в 16% случаев, работая с корпоративной SQL-базой данных. При этом, используя граф знаний, построенный поверх той же информации и дополненный онтологиями, точность ответов вырастала до 54%. Этот результат подчёркивает преимущества семантической организации данных для повышения производительности ИИ-агентов.
Основная причина такого различия кроется в способе представления информации. SQL-схемы обычно содержат только типы данных и названия таблиц/колонок, что не даёт LLM достаточно контекста для точного понимания запроса. Графы знаний, напротив, включают онтологии, которые описывают взаимосвязи и значения данных, помогая модели лучше интерпретировать и извлекать нужную информацию. Это особенно актуально для борьбы с «галлюцинациями» ИИ и повышения надёжности ответов.


Комментарии (0)
Без регистрации. Комментарии проверяются автоматически перед публикацией.
Пока нет комментариев. Будьте первым!