أكد الرئيس التقني للمعلومات في Global Foundries أن وكلاء الذكاء الاصطناعي يتطلبون بيانات من الوقت الفعلي والخاضعة للحكم، وإعادة بناء منصة موحدة عبر المصانع في ثلاث قارات بهوية مركزية ومسارات تدقيق قبل نشر الوكلاء عبر وظائف تكنولوجيا المعلومات والمشتريات.

يتيح RAG (التوليد المعزز بالاسترجاع) للشركات بناء روبوتات دردشة متخصصة في المجال، لكن نجاحه يعتمد على نموذج التضمين — المترجم الذي يحول النص إلى متجهات للبحث الدلالي. نموذج تضمين به أخطاء يسترجع مقاطع غير ذات صلة، مما يؤدي إلى أن ينتج نموذج اللغة إجابات ثقة ولكن غير صحيحة. على سبيل المثال، قد يؤكد روبوت دردشة بشكل خاطئ استردادًا لاشتراك قديم 45 يومًا، على الرغم من أن الوثائق تنص على حد 30 يومًا، لأن نموذج التضمين فشل في التمييز بين القيود الزمنية الحاسمة.

يعمل RAG في مرحلتين: الفهرسة (تقسيم المستندات إلى مقاطع، إنشاء تضمينات، تخزين متجهات مع البيانات الوصفية) والاسترجاع (تضمين الاستعلام، البحث عن متجهات قريبة، إعادة ترتيب أعلى المقاطع، تغذتها إلى نموذج اللغة). لا يستطيع نموذج اللغة أن يعوض عن استرجاع poor. الاعتبارات الرئيسية تشمل تقييم نماذج التضمين فوق درجات المعايير، والاختيار بين واجهات برمجة تطبيقات تجارية والنشر المحلي، وفهم تكلفة استبدال النماذج لاحقًا، والاستفادة من تضمينات Matryoshka لحجم متجه مرن.

كيانات رئيسية: الشركات: Global Foundries, ByteByteGo