admin
Užduokite tą patį klausimą apie savo prekės ženklą keturiuose skirtinguose AI varikliuose ir greičiausiai gausite keturis skirtingus atsakymus. Vienas atsakymas yra dabartinis ir nurodo naujausią jūsų puslapį. Kitas aprašo poziciją, kurią išėjote į pensiją prieš 18 mėnesių, ir visiškai nieko nenurodo. Trečiasis nukreipia viską per konkurento palyginimo įrašą. Tas pats prekės ženklas, tas pats klausimas, keturi atvaizdai ir tarpai tarp jų nėra atsitiktinis triukšmas, kurį galite pašalinti kaip modelio keistenybę. Jie yra struktūriniai, o kai pamatysite struktūrą, galite ją planuoti.
Straipsnyje „Kai mokymo duomenų ribos tampa reitingavimo veiksniu“ pabrėžiau, kad jūsų prekės ženklas dabar gyvena dviejose skirtingose atminties sistemose vienu metu. Viena iš jų yra parametrinė atmintis, žinios, sukauptos į modelį treniruotės metu ir užšaldytos iki kito treniruotės. Kitas yra gavimas, turinys šviežias tuo metu, kai kas nors klausia. Šis kūrinys buvo apie tai, ką laiko skirtumas reiškia. Tai yra apie dalį, kurią sąmoningai palikau jai gydyti, t.
Kiekvienas variklis turi atminties laikyseną
Leiskite man pavadinti daiktą, nes jį įvardijus lengviau planuoti. LLM atminties laikysena yra jo numatytasis liesas: kai ko nors paklausiate, ar jis pasiekia tiesioginį atkūrimą, ar atsako iš to, ką jau turi savo parametruose? Platformos suskirstytos į dvi plačias stovyklas, o tai, kuriai grupei priklauso variklis, beveik viskas priklauso nuo to, kaip jūsų turinys pasiekia vartotoją per tą paviršių.
Vienoje pusėje yra varikliai, kurie gauna beveik kiekvieną užklausą. Sumišimas yra aiškiausias atvejis; ji vykdo tiesioginę žiniatinklio paiešką iš esmės kiekvienam klausimui ir rodo šaltinius pagal dizainą, o ne kaip išimtį. „Google“ AI apžvalgos ir AI režimas taip pat remiasi paieška, tačiau su raukšleliu, kurį verta suprasti: šiuos paviršius aptarnauja ta pati tikrinimo programa, kuri teikia natūralius rezultatus, gaunama iš pagrindinio paieškos indekso, o ne iš „Gemini“ parametrinės atminties. Žetonas, kurį „Google“ siūlo valdyti modelio mokymą „Google-Extended“, neturi jokios įtakos tam, kas rodoma Paieškoje ar jos AI funkcijoms. Taigi visada atkuriamuose varikliuose jūsų matomumas pirmiausia yra paieškos klausimas, o tik parametrinis klausimas.
Kitoje pusėje yra varikliai, kurie sprendžia pagal užklausą. „ChatGPT“, „Claude“, „Microsoft Copilot“ ir „Gemini“ programa priima sprendimą dėl kiekvieno klausimo: atsakykite iš parametrų arba eikite pasiimti. Claude'o žiniatinklio paieška veikia kaip įrankis, kurį modelis pasirenka, kai nusprendžia, kad klausimui to reikia. Antrasis pilotas nesutinka su žiniatinkliu tik tada, kai jis įjungtas ir iš karto gauna naudos, o kai administratorius išjungia žiniatinklio įžeminimą, jis grįžta į vidinį modelio mokymą. Paskutinė detalė yra tiltas į „Nustokite AI matomumą traktuoti kaip vieną problemą“, kur paieška buvo vienas iš trijų sluoksnių, kuriuos komanda turi valdyti. Štai tas sluoksnis iš vidaus: modelio nulemtame variklyje tai, ar nuskaitymas netgi įvyksta, gali būti kažkieno administratoriaus konsolės nustatymas, o ne jūsų turinio nuosavybė.
Ir laikysena net nėra stabili vieno variklio viduje. Viename „ChatGPT“ paspaudimų srauto tyrime nustatyta, kad seansų, suaktyvinusių žiniatinklio paiešką, dalis tyrimo lange svyravo nuo 15 iki 66 %, o tai pasikeitė atnaujinus pagrindinius modelius. Į tą patį klausimą, kurį uždavėte kovo mėn., galite atsakyti iš atminties, o balandį pasiekite tiesioginį žiniatinklį ir nieko nepasikeitę. Laikysena yra judantis tikslas, todėl jūs turite ją išmatuoti, o ne manyti.
Paėmimas nustojo būti vienu žingsniu
Net kai variklis nuskaito, gavimas nebėra vienas švarus veiksmas, todėl daugelis senesnių optimizavimo instinktų tyliai nutrūksta. Vieno praėjimo modelis, kai sistema įterpia jūsų užklausą, paima didžiausią saują atitinkančių puslapių ir generuoja, užleido vietą agentiniam nuskaitymui, kuris suplanuoja ir vykdo daugybę antrinių užklausų prieš atsakydamas. Vienas vartotojo įvestas klausimas tampa klausimų, kuriuos sistema užduoda jo vardu, gerbėju – nuo kelių iki dešimčių. Daugiau optimizuojate ne tik pagal klausimą paieškos laukelyje. Jūs optimizuojate nematomus klausimus, kuriuos generuoja variklis, kad jį patenkintų.
Viršuje yra antros eilės problema, kurią verta aiškiai pasakyti, net jei ji kada nors nusipelno atskiro kūrinio. Būti įtrauktam į kontekstą nėra tas pats, kas būti gerai panaudotam. Tyrimas, kuris pirmą kartą dokumentavo, kaip modeliai netolygiai naudoja ilgą kontekstą, dabar yra beveik dešimties metų senumo, o dabartiniai modeliai iš esmės išsprendė paprastą versiją ir rado vieną faktą, palaidotą ilgame dokumente. Tai, kas lieka nepatikima, yra sunkesnis dalykas: integruoti kelis išsklaidytus signalus į vieną nuoseklų vaizdą. Jūsų prekės ženklas niekada nėra vienas faktas. Jo vaizdavimas priklauso nuo to, kaip variklis renka jūsų puslapius, atsiliepimus ir trečiųjų šalių pranešimus, kurie yra skirtingose nuskaitytos medžiagos vietose, tada juos teisingai surenka. Šis surinkimo žingsnis vis dar yra nuostolingas, o tai reiškia, kad „mes gauname“ ir „mes tiksliai pavaizduota“ galima išmatuoti ir nesutikti.
Laikas tapo svertu, kurio anksčiau neturėjote
Parametrinė atmintis pristato kintamąjį, kurio tiesiog nebuvo tradicinėje SEO eroje: mokymo langą. Negalite redaguoti to, kas modelio parametruose jau yra. Taisymo paskelbimas šiandien nieko nedaro jūsų prekės ženklo versijai, užkoduotai modelyje, kuris baigė mokymus praėjusią vasarą. Vienintelis dalykas, kuris keičia parametrinę atmintį, yra naujas treniruočių bėgimas, o tai reiškia, kad naudingas klausimas yra ne tai, kaip pataisyti tai, kuo modelis jau tiki, o tai, ką modelis sužinos apie jus kitą kartą treniruodamasis ir ar tinkama jūsų istorijos versija yra ta, kurią jis ras.
Tai mažiau beviltiška, nei atrodo dėl dviejų priežasčių. Pirma, parametrinė atmintis nėra juoda dėžė, kuriai jūs neturite įtakos. Modeliai sužino fakto versiją, kuri nuosekliai rodoma ir patvirtinama daugelyje šaltinių, todėl reikia, kad tiksli jūsų istorijos versija būtų perteklinė, kurią sunku nepastebėti, kai tikrinimo programos pasirodo. Tai ilgas žaidimas, matuojamas modelių kartomis, o ne puslapio redagavimu, tačiau tai yra žaidimas, kurį galite žaisti. Antra, treniruočių dažnis nebėra vienas lėtas metinis įvykis. Pagrindiniai tiekėjai dabar dažnai pristato taškinius leidimus, kurių kiekvienas turi savo ribą, todėl parametrinis sluoksnis atnaujinamas žingsniais, kuriuos iš tikrųjų galite siekti, o ne vieną tolimą horizontą. Kai kurios neatitikimų komandos nuolat pažymi, tas pats variklis skirtingomis dienomis pateikia skirtingus atsakymus, ar tai veikia: vieną dieną klausimas buvo paimtas iš parametrų, kitą dieną jis suaktyvino paiešką, o du sluoksniai nepasakojo tos pačios istorijos.
Darbo eiga, skirta sužinoti, kur iš tikrųjų esate
Šiandien galite tai paleisti rankomis, nenaudodami specialių įrankių, o tai greičiau yra esmė. Jei suprantate du prisiminimus, galite perskaityti, ką bet kuris variklis veikia su jūsų prekės ženklu. Paskambink atminties laikysenos auditas.
- Pasirinkite užklausas, kurios moka. Ne tik jūsų prekės pavadinimas, o klausimai, kuriuos pirkėjas iš tikrųjų užduoda, kur jums reikia pasirodyti: kategorijų klausimai, palyginimai, probleminiai. Saujelė, susieta su pajamomis.
- Vykdykite kiekvieną per apgalvotą sklaidą. Bent vienas visada nuskaitomas variklis ir bent du modeliai, kuriuose nuspręsta, kiekvieną kartą naudojant identišką formuluotę, todėl vienintelis kintamasis yra platforma.
- Perskaitykite pozą, o ne tik atsakymą. Tai rodo citatos. Tiesiogiai cituojami šaltiniai reiškia, kad paieška suaktyvinta; patikimas atsakymas be šaltinių atėjo iš parametrinės atminties. Varikliuose, dėl kurių buvo nuspręstas modelis, kiekvieną klausimą užduokite du kartus, vieną kartą naudodami paprastą amžinai žalią frazę, o vieną kartą naudodami naujausio kartojimo signalą, pvz., „naujausias“ arba „dabartinis“, ir stebėkite, ar antroji versija nepaverčia variklio paleidimo. Tas apsivertimas yra laikysena, kuri atsiskleidžia.
- Surūšiuokite, kas negerai, pagal kurią atmintis ją sukūrė. Pasenę faktai be citatų rodo parametrinę problemą. Visiškai nėra arba pateikiamas konkurento puslapyje variklyje, kuris aiškiai nuskaito, rodo paieškos ir pasirinkimo problemą. Išvestyje jie gali atrodyti beveik identiški. Jie nėra tas pats defektas.
- Pataisykite sluoksnį, kuris iš tikrųjų sulaužytasnes pataisymai neperkeliami:
- Parametrinės problemos negalima redaguoti tiesiogiai. Jūs darote įtaką kitam mokymo langui, nes dabar pateikiate nuoseklų, patvirtintą, tikrinamą turinį, todėl išmokstama teisinga jūsų istorijos versija.
- Paieškos problema yra randamumo ir atrankos darbas: tiesiogiai atsakykite į papildomus klausimus, sutvarkykite puslapius, kad jie būtų švariai išskleisti, ir sustiprinkite trečiųjų šalių šaltinių patvirtinimą, kad atsakymas būtų įtrauktas į jūsų versiją.
- Pažymėkite datą ir pakartokite. Laikysena nėra stabili, todėl vienkartinis auditas yra momentinis vaizdas, o ne radinys. Įdėkite jį į ritmą, bent kartą per ketvirtį.
Dėl ko verta apsvarstyti klausimą
Dauguma komandų, optimizuojančių dirbtinio intelekto matomumą, sunkiai dirba su viena atminties sistema, o su kita elgiasi taip, lyg jos neegzistuotų, dažniausiai nenusprendusios, kurią iš jų pasirinko. Disciplina, kurios reikalaujama, yra menka apibūdinti ir nepatogi praktikuoti: kiekvienam jums svarbiam varikliui žinokite jo laikyseną, žinokite, kuri atmintis neša jūsų prekės ženklą, ir žinokite, ar tai yra tas sluoksnis, kurį būtumėte pasirinkę tyčia.
Tai yra atminties sluoksnio klausimasir dauguma komandų dar negali į tai atsakyti, o tai jau pati diagnozė. Tai taip pat atskleidžia, kodėl vienas AI matomumo balas yra kategorijos klaida. Skaičius, sujungiantis parametrinį stovėjimą ir atsigavimą stovint į vieną figūrą, yra dviejų dalykų, kurie juda savarankiškai, atlygina už skirtingą darbą ir nesėkmingai, vidurkis. Negalite valdyti to, ką išlyginote. Raštingumas, kuris dabar yra svarbus, yra gebėjimas atskirti du sluoksnius savo galvoje ir kiekvieną kartą paklausti, į kurį iš jų žiūrite.
Jei naudojote šios versijos savo prekės ženkle, norėčiau išgirsti, ką radote, ypač ten, kur platforma jus nustebino. Palikite komentarą arba susisiekite.
Ir jei norite ilgesnio argumento, kodėl matomumas, pasitikėjimas ir mašininis nuskaitymas tampa ta pačia problema, tai yra mano knygos tema, Mašinų sluoksnis.
Daugiau išteklių:
Šis įrašas iš pradžių buvo paskelbtas Duane Forrester Decodes.
Teminis vaizdas: „Summit Art Creations“ / „Shutterstock“.
