元模型驱动（五）AI 幻觉的解决

1.说说大模型的幻觉

简单俩说：大模型的向量数据库本质上是一个模糊查询机制。权重不同，查询结果。。。不一样。

2.那如何提高精准度，降低幻觉呢？你需要把更多的答案放到向量数据库中。显然这个不是那么的现实。这里还有一个难点，就是向量数据库我们没办法直接读，也就没办法直接修正。

换个思路，我们把我们要做的工作缩小到特定领域。

接下来讲的内容会比较抽象。

我们先看一下元模型：

Role:{

name:'用户'，

kind:'user',

Attributes:{

name:{

name:'姓名'，length:'20',datatype:'String'

},

sex:{

name:'性别'，datatype:'Enum', enumconfig:{1:男，2：女}

}

age:{

name:'年龄'，length:'3',datatype:'Integer'

}

}

}

这个时候我们先让 AI 学习一下上面的模型结构与其中的语义。然后告诉 AI，你帮我找一个张三的用户。

这个时候你会发现 AI 对用户张三的描述会非常准确。

这里我们解决了 2 个大的问题：

（1）特定领域的模型构建：机器与人都是可读可理解的

（2）特定领域模型规范限制 AI 的思考范围

当然要想完善上面的技术路线还是要有不少的工作要做，有兴趣的请访问：咖雅信息科技