Google 推出 DataGemma 是Google 推出的一種新的開源語言模型（LLM），其主要目標是解決當前生成性AI中常見的「幻覺」現象。 DataGemma的核心能力是透過將Google的 Data Commons（龐大的公共資料資源庫）與LLM連結，從而增強模型的事實性和推理能力，減少幻覺現象。 Data Commons 是一個包含來自多個可信任組織（如聯合國、世界衛生組織、CDC等）的大規模公共資料的知識圖譜。包含超過 2,400 億個豐富的數據點，涵蓋數十萬個統計變量，涵蓋了經濟、氣候變遷、健康、人口等多個領域。透過利用這些可信任數據，DataGemma模型可以提供基於數據的事實訊息，從而提高生成內容的準確性。 DataGemma使用兩種主要方法來增強LLM的準確性： RIG（檢索與生成融合）：此方法透過主動查詢Data Commons中的數據，來增強語言模型的能力，確保產生的內容與事實相符。 RAG（檢索增強生成）：此方法讓語言模型吸收更多背景訊息，增強生成內容的全面性，並減少「幻覺」現象。 DataGemma的主要能力： 減少AI幻覺： DataGemma透過整合真實世界的統計數據來提高AI模型的準確性，確保產生的內容更加真實可靠。 利用Data Commons中的可靠資料（例如聯合國、世界衛生組織、美國疾病管制與預防中心等提供的資料），DataGemma能夠在產生內容時與實際資料進行核對，減少虛假資訊的產生。 與Data Commons連接： Data Commons是一個包含2400多億數據點的公共數據平台，涵蓋了從健康、經濟到環境等多個領域的數據。 DataGemma透過自然語言介面與這些資料進行交互，能夠從中獲取精確的統計資料來支援生成的內容。 RIG（檢索與生成融合）： 這種方法允許DataGemma在產生內容時主動查詢Data Commons中的資料來源，確保輸出的資訊與事實一致。 RIG方法幫助模型在回答時核對數據，特別適用於需要統計數據或事實核實的任務。 RAG（檢索增強生成）： RAG方法使得語言模型能夠吸收更多上下文訊息，在產生答案之前先從Data Commons中檢索相關的背景資料。 這種方法幫助模型在產生更全面和有背景資訊的答案時，避免產生不準確的內容。 研究結果 Google團隊對 DataGemma 的初步研究結果顯