Chuyển đổi số FPT IS

Mô hình ngôn ngữ lớn có thể có hạn chế gì? Giải pháp khắc phục Tập trung câu lệnh (prompt) vào từng phần cụ thể thay vì toàn bộ tài liệu. Sử dụng kỹ thuật truy xuất dữ liệu đặc biệt để LLM quét và lấy thông tin từ tập dữ liệu lớn. Giới hạn token tối đa của một số mô hình LLM phổ biến 1.2. Tạo nội dung sai lệch (hiện tượng “hallucination”) LLM đôi khi tạo ra hiện tượng hallucination – tức là sinh ra những nội dung nghe có vẻ hợp lý, trôi chảy nhưng thực chất lại sai lệch, gây hiểu nhầm hoặc vô nghĩa. Ví dụ, một LLM có thể “bịa” ra các sự kiện lịch sử, diễn giải sai khái niệm khoa học, hoặc tạo nên thông tin tiểu sử không chính xác về một nhân vật có thật. Nguyên nhân là do LLM được huấn luyện từ một khối lượng dữ liệu khổng lồ trên Internet, trong đó không tránh khỏi việc chứa lỗi, định kiến hoặc thông tin đã lỗi thời. Mô hình chỉ đơn thuần học theo các mẫu ngôn ngữ trong dữ liệu đó, nên đôi khi sẽ “tự tin” khẳng định những điều sai sự thật. Một số biện pháp giảm rủi ro gồm: Kiểm tra ...