Российский граф знаний научит нейросеть понимать контекст

Новосибирские учёные разработали метод снижения ошибок нейросети. Об этом рассказали в пресс-службе вуза. Чтобы повысить точность и надёжность ответов, информация организуется в виде графа знаний — не таблицы или описания, а системы, которая показывает, как элементы связаны друг с другом.

Нейросеть анализирует эти закономерности и находит более точный ответ. Графы знаний можно объединить с большими языковыми моделями для обучения ИИ. Учёные Новосибирского государственного университета разработали собственную библиотеку графов — RAGU (Retrieval-Augmented Graph Utility). Её архитектура построена на принципе пошагового формирования структурированной сети.

По шагам к точности

Как рассказал один из авторов разработки Иван Бондаренко, при оригинальном подходе для эффективного построения графа знаний требуются огромные языковые модели (до около 32 млрд параметров).