وكلاء الذكاء الاصطناعي ينتقلون من العروض التوضيحية إلى الإنتاج، ويحتاجون إلى أكثر من مجرد نموذج. إنهم يحتاجون إلى بيانات في الوقت الفعلي، وإجابات سريعة، وحدود صارمة على ما يمكنهم قراءته وكتابته والتصرف بناءً عليه. في قمة Agentic Data Summit في 9 ديسمبر، تظهر جلسة Guardrails, Not Guesswork كيفية تأمين وصول الوكيل باستخدام Agentic Data Plane. سترى أيضًا كيفية عمل البث وSQL والوكلاء على منصة واحدة، والحصول على نظرة على أين يتجه Agentic Data Plane بعد ذلك. إنها مجانية، وافتراضية، ومصممة للمهندسين الذين ينقلون وكلاء الذكاء الاصطناعي إلى الإنتاج.
يمكننا تزويد LLM بمعلومات شاملة من خلال مطالباتنا، لكنه قد يفشل في استخدامها بشكل صحيح. عندما تكون المعلومات المطلوبة في مكان ما في منتصف مطالبة طويلة، يصبح هذا النوع من الفشل أكثر احتمالاً. نسميه تأثير 'الضياع في المنتصف' أو النقطة العمياء في LLM. على سبيل المثال، تخيل أننا نعطي مساعد برمجة قائم على الذكاء الاصطناعي مجموعة طويلة من مستندات المشروع. تشرح فقرة محددة أنه يجب الاحتفاظ بسجلات التدقيق لمدة 37 يومًا. ومع ذلك، يكتب مساعد البرمجة وظيفة تنظيف تحذفها بعد 30 يومًا.
دراسة باسم 'Lost in the Middle'، تم إصدارها في 2023 ونشرت في 2024، درست هذا السلوك ووجدت أن الأداء كان غالبًا أقوى بالقرب من البداية والنهاية. ومع ذلك، كان الأداء في المنتصف أضعف. ينتج عن هذا منحنى دقة على شكل حرف U. إذا كانت المعلومات بالقرب من البداية، تظهر LLM دقة أعلى، مرتبطة عادةً بالتحيز الأولي. إذا كانت المعلومات بالقرب من النهاية، فإن LLM...
المصدر: ByteByteGo · لخّصه HeadlinesBriefing