Büyük dil modelleri belgelerin parçalanmasını sağlar. Geçmişte, yapılandırılmamış metin dosyalarından değer çıkarmak zor olmuştur. Ancak Yüksek Lisans'lar bunu çok güzel bir şekilde yapıyor ve madenciliğe en zor yerlerden birinden değer pompalıyor.

Startup'ları araştıran binlerce nottan oluşan bir koleksiyonumuz var. Bunların üzerine büyük dil modellerini yerleştirmeye çalışıyoruz.

İşte ilk deneylerimiz hakkında bazı kısa gözlemler:

Gelecek, Model Takımyıldızıdır. Bir arama kutusuyla karşılaştığında kullanıcı niceliksel sorular sorabilir. Örneğin geçen ay Google'dan kaç kişi buluştu?

Ne yazık ki, büyük dil modelleri (en azından test ettiklerimiz) niceliksel sorulara bu şekilde yanıt vermiyor.

Bu sorunlu bir durum çünkü kullanıcılar sorguyu arama kutusuna yazmadan önce sorgunun türü (nicel, sınıflandırma, segmentasyon, tahmin vb.) hakkında durup düşünmüyorlar.

Bunu çözmek için bilgi yönetimi sistemleri muhtemelen farklı modellerden oluşan bir takım kullanacaktır. Belki de ilk model sorguyu sınıflandıracak ve ardından yanıtlamak için onu doğru makine öğrenimi modeline yönlendirecektir.

Özetleme kutunun dışında çalışır. Robotik süreç otomasyonu (RPA) alanını araştırıyoruz. İşte bu çıktının bir alt kümesi. Bir yatırım notundaki arka plan veya tanıtım bölümlerinin değiştirilmesi veya bundan bir blog yazısının bir dizüstü bilgisayarda yaklaşık 2 dakika içinde oluşturulması hayal edilebilir. Düzenleme hala gerekli.

Soru:
RPA alanının ve içindeki fırsatların ve zorlukların bir özetini yazın

Cevap (119.74 sn sürdü):
Bağlamda tutarlılığın sürdürülmesinde sorunlar olduğundan bahsediliyor
ve süreç keşif belgelerindeki kalite, sorunlara neden olabilir.
İş devamlılığı. Bunlara katkıda bulunan birçok faktör olabilir
yüksek yıpranma oranları veya deneyim eksikliği gibi zorluklar
geliştirme aşamasında gerekli özenin gösterilmesi sırasında görev alan personel
işletmeler. Ancak en önemli faktör…

kaynak_documents/redacted.txt
Rpa pazarı süreç keşif pazarına yaklaşıyor, dolayısıyla
hangi sürecin otomatikleştirileceğini anlamak ve ardından bunları otomatikleştirmek
gerçekten önemli.Rpa aşağıdan yukarıya bir iştir ve süreç keşfi
yukarıdan aşağıya

Kaynak Tanımlama Önemlidir
LLM modelleri artık kaynak metne bağlanıyor. Yukarıdaki örnekte model, dosyayı (adını düzelttiğim) ve katkıda bulunan kaynağın konumunu belirtir.

Bu davranış iki nedenden dolayı önemlidir. İlk olarak, modelde güven ve güvenilirlik oluşturur. Özetlerden kaçınılmaz olarak sorular ortaya çıkacaktır. Cevabın kökenine inmek bu şüpheleri giderecektir.

İkincisi, bu model, modellerin kaynak veya eğitim verilerine dayanmaksızın yanıtlar "icat etmesi" durumunda halüsinasyonları sınırlandırmalıdır.

Ubiquity her yerde olmak anlamına gelir. İşletmemiz tek bir bilgi deposuna sahiptir ancak çıktılar e-postada, sunumlarda, yatırım notlarında, blog yazılarında ve arama sonuçlarında görünecektir.

Yeni bilgi yönetimi sistemleri, izinlere, yönetişime ve bir işletme için önemli olan diğer politikalara saygı göstererek tüm bu çıktılara entegre olmanın bir yolunu bulacaktır.

Veriler yeni petrol ise, o zaman LLM'ler, yapılandırılmamış metin şist oluşumlarından değer elde eden çevre dostu hidrolik kırma platformlarıdır.

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. Otomotiv / EV'ler, karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• Blok Ofsetleri. Çevre Dengeleme Sahipliğini Modernleştirme. Buradan Erişin.
• Kaynak: https://www.tomtunguz.com/km-with-llm/