Na IA generativa, embasamento é a capacidade de conectar a saída do modelo a fontes de informações verificáveis. Se você fornecer aos modelos acesso a fontes de dados específicas, o embasamento da saída deles a esses dados reduz as chances de inventar conteúdo. Isso é particularmente importante em situações em que a precisão e a confiabilidade são significativas.
O embasamento oferece os seguintes benefícios:
- Reduz alucinações de modelos, que são casos em que o modelo gera conteúdo que não é factual.
- Ancora respostas do modelo às suas fontes de dados.
- Fornece auditabilidade com suporte de fundamentação, que são links para fontes.
É possível embasar a saída do modelo com suporte na Vertex AI das seguintes maneiras:
| Tipo de aterramento | Descrição |
|---|---|
| Embasamento com a Pesquisa Google | Você quer conectar seu modelo ao conhecimento mundial e a uma ampla variedade de tópicos. |
| Embasamento com o Google Maps | Você quer usar os dados do Google Maps com seu modelo para fornecer respostas mais precisas e contextualizadas aos seus comandos. |
| Basear o Gemini nos seus dados | Você quer usar a geração aumentada de recuperação (RAG) para conectar seu modelo aos dados do site ou aos conjuntos de documentos. |
| Como usar o Gemini com o Elasticsearch | Você quer usar a geração aumentada de recuperação com seus índices do Elasticsearch e o Gemini. |
| Web Grounding for Enterprise | Você quer usar um índice da Web para gerar respostas com embasamento. |
Para conferir o suporte a idiomas, consulte Idiomas compatíveis para comandos.
A seguir
- Para saber mais sobre as práticas recomendadas de IA responsável e os filtros de segurança da Vertex AI, consulte IA responsável.
- Para usar a API Google Search, consulte Como usar a API Google Search.