作者 | Tannista

編譯 | 星璇

出品 | 51CTO技術棧（微信號：blog51cto）

讓ChatGPT準確回答來自證券交易委員會文件的復雜問題，可謂是到處都是坑。

先進人工智能模型的出現徹底改變了自然語言處理領域，使機器能夠以越來越高的準確性和復雜性來分析、解釋和響應人類語言。

然而，盡管這些模型取得了重大進步，但一些人工智能助手（例如 ChatGPT）在準確回答來自證券交易委員會文件的復雜問題方面仍然面臨挑戰。

Patronus AI的研究人員發現，即使是性能最好的 AI 模型配置 OpenAI 的 GPT-4-Turbo，在 Patronus AI 的新測試中也只能正確回答 79% 的問題。

1、Redis與 LangChain 合作

圖片

Redis與LangChain合作開發出了Redis RAG模板，該模板經過優化，可創建事實一致的LLM聊天應用程序。通過利用Redis作為向量數據庫，該模板確保了快速的上下文檢索和有根據的提示構建，使其成為開發人員創建聊天應用程序的關鍵工具，提供響應和精確的人工智能響應。

圖片

Redis RAG 模板是一個 REST API，允許開發人員與公共財務文檔（例如 Nike 的 10k 文件）進行交互。該應用程序使用 FastAPI 和Uvicorn通過 HTTP 處理客戶端請求。它還使用 UnstructedFileLoader 將 PDF 文檔解析為原始文本，使用 RecursiveCharacterTextSplitter 將文本分割成更小的塊，并使用 HuggingFace 中的“all-MiniLM-L6-v2”句子轉換器將文本塊嵌入到向量中。此外，它利用 Redis 作為實時上下文檢索的向量數據庫，并利用 OpenAI“gpt-3.5-turbo-16k”LLM 來生成用戶查詢的答案。

在最近與AIM的互動中，Redis 首席技術官Yiftach Shoolman表示：“你的數據無處不在，在筆記本電腦上，在 AWS s3 上的組織存儲庫上，在 Google 云存儲上，等等。你需要一個平臺將數據導入像 Redis 這樣的向量數據庫中，根據相關知識來進行分割”。

2、ChatGPT需要外掛

Shoolman在批評ChatGPT時，他說：“ChatGPT 不知道任何事情，因為它沒有接受你的數據訓練，并補充說用戶需要在他們剛剛創建的知識庫中查找與其請求相關的數據。

RAG模板提供了可部署的參考架構，將效率與適應性融為一體，為開發人員提供了一套全面的選項，以創建事實一致、由法學碩士支持的聊天應用程序，并具有快速響應和精確的 AI 響應。

LangChain的可部署體系結構中心還包括特定于工具的鏈、LLM鏈和特定于技術的鏈，這些鏈減少了部署API時的摩擦。

圖片

其中，LangServe是部署這些模板的核心，它使用FastAPI將基于LLM的鏈或代理轉換為可操作的REST API，增強可訪問性，并為生產做好準備。

原文鏈接：

https://analyticsindiamag.com/ai-models-revolutionised-the-field-of-natural-language-processing/