La startup di intelligenza artificiale Contextual AI ha presentato il suo nuovo modello di linguaggio di grandi dimensioni (LLM) denominato Grounded Language Model (GLM), basato sulla tecnologia Retrieval-Augmented Generation 2.0 (RAG 2.0). Questo avanzamento mira a ridurre significativamente il fenomeno delle “allucinazioni” nei modelli AI, migliorando l’accuratezza delle informazioni fornite.
La tecnologia RAG combina modelli di linguaggio con sistemi di recupero delle informazioni per generare risposte basate su dati esterni. Tuttavia, le implementazioni tradizionali spesso integrano componenti separati, portando a inefficienze e potenziali imprecisioni. Contextual AI ha affrontato queste sfide introducendo RAG 2.0, che integra strettamente il modello di linguaggio e il sistema di recupero in un’unica architettura ottimizzata. Questo approccio consente una formazione congiunta, migliorando la coerenza e l’affidabilità delle risposte generate.
Il GLM si distingue per la sua capacità di fornire risposte basate esclusivamente su informazioni esplicitamente fornite, aderendo al principio della “groundedness” (ancoraggio alla realtà). Utilizzando la tecnologia RAG 2.0, il modello implementa una funzione denominata “mixture-of-retrievers”, che seleziona dinamicamente la strategia di recupero più appropriata in base alla domanda ricevuta. Inoltre, incorpora un avanzato sistema di riordino che assegna priorità alle informazioni più rilevanti, garantendo risposte precise e pertinenti.
Il GLM ha ottenuto risultati eccezionali nel benchmark FACTS, registrando un punteggio di accuratezza dell’88%. Questo supera i risultati di altri modelli leader del settore, come Gemini 2.0 Flash di Google (84,6%), Claude 3.5 Sonnet di Anthropic (79,4%) e GPT-4o di OpenAI (78,8%). Tali prestazioni evidenziano l’efficacia dell’approccio innovativo di Contextual AI nel migliorare l’accuratezza fattuale dei modelli di linguaggio.
Attualmente, il GLM è disponibile per gli utenti attraverso l’API di Contextual AI, con crediti gratuiti offerti per incoraggiare la sperimentazione e l’adozione. Questo lancio rappresenta un passo significativo verso la creazione di modelli AI più affidabili e precisi, con potenziali applicazioni in settori come l’istruzione, la ricerca e l’assistenza clienti.