Contextual AI предлагает решение проблемы фактических неточностей в корпоративных ИИ-системах

Contextual AI 4 марта представила свою обоснованную языковую модель (GLM), заявив, что она обеспечивает высочайшую фактическую точность в отрасли, превосходя ведущие системы ИИ от Google, Anthropic и OpenAI по ключевому показателю правдивости.

Стартап, основанный пионерами технологии генерации с дополненным поиском (RAG), сообщил, что его GLM достиг 88% фактологической точности в тесте FACTS по сравнению с 84,6% у Gemini 2.0 Flash от Google, 79,4% у Claude 3.5 Sonnet от Anthropic и 78,8% у GPT-4o от OpenAI.

Несмотря на то, что большие языковые модели изменили корпоративное программное обеспечение, фактические неточности, которые часто называют галлюцинациями, остаются серьёзной проблемой для внедрения в бизнес. Контекстный ИИ призван решить эту проблему, создав модель, специально оптимизированную для корпоративных приложений RAG, где точность имеет первостепенное значение.

«Мы знали, что частью решения будет технология под названием RAG — расширенная генерация с использованием поиска, — сказал Дуве Киела, генеральный директор и соучредитель Contextual AI, в эксклюзивном интервью VentureBeat. — И мы знали это, потому что я был одним из изобретателей RAG».

Концепция компании значительно отличается от моделей общего назначения, таких как ChatGPT или Claude, которые предназначены для решения самых разных задач — от написания художественных произведений до технической документации. Контекстный ИИ ориентирован на высокорисковые корпоративные среды, где точность фактов важнее творческой гибкости.

«Если у вас есть проблема с RAG и вы работаете в компании в строго регулируемой отрасли, вы не потерпите никаких галлюцинаций, — объяснила Киела. — Та же универсальная языковая модель, которая полезна для отдела маркетинга, не подходит для