Un LLM (Large Language Model) învață tipare statistice din volume mari de date lingvistice. În modelele generative autoregresive, textul este produs estimând următorii tokeni, pas cu pas. Un LLM poate rezuma, clasifica, extrage informații și formula texte, direct sau ca parte a unui chatbot, agent ori sistem RAG. Un răspuns fluent nu garantează că informația este adevărată, actuală sau susținută de o sursă. În aplicații de business, rezultatele trebuie evaluate împreună cu datele folosite, permisiunile, costul, verificarea umană și impactul unei erori.
Termeni înrudiți
- Agent AI — Un agent AI folosește un model pentru a selecta și executa pași ori instrumente în vederea unui obiectiv, în limite și permisiuni definite.
- Automatizare Procese de Business — Automatizarea proceselor folosește tehnologia, inclusiv AI unde este potrivit, pentru sarcini repetitive și decizii structurate.
- RAG — Retrieval-Augmented Generation — RAG recuperează fragmente relevante din surse externe și le oferă unui model drept context pentru generarea unui răspuns.
- GEO — Generative Engine Optimization — GEO reunește practici care fac paginile mai ușor de găsit, înțeles și evaluat în experiențele de căutare bazate pe AI.