Հետ
Արհեստական բանականություն և մեքենայական ուսուցում

Ինչպե՞ս հայտնվել Perplexity AI-ի պատասխաններում և ինչո՞ւ է այս AI մոդելը չի օգտագործում մեջբերվող էջերի ամբողջ տեքստը

Habr
Advertisement468 × 90
Ինչպե՞ս հայտնվել Perplexity AI-ի պատասխաններում և ինչո՞ւ է այս AI մոդելը չի օգտագործում մեջբերվող էջերի ամբողջ տեքստը

Հոդվածի հեղինակը լայնածավալ հետազոտություն է անցկացրել այն մասին, թե ինչպես է Perplexity AI-ն օգտագործում վեբ էջերի տեղեկատվությունը պատասխաններ ձևավորելու համար: Վերլուծելով 60 պատասխան և 1355 հղում՝ հետազոտողը պարզել է, որ մոդելը հազվադեպ է օգտագործում էջի ամբողջ բովանդակությունը: Միջին հաշվով պատասխանի մեջ ընդգրկվում է ընդամենը մեկ ինքնաբավ պարբերություն, որը կազմում է էջի տեքստի մոտ 6,4%-ը: Հետազոտությունը ցույց է տալիս, որ Perplexity-ի համար բովանդակությունը օպտիմալացնելու նպատակով կարևոր է ստեղծել կառուցվածքային, տրամաբանորեն ավարտված տեքստային հատվածներ, այլ ոչ թե հույսը դնել ամբողջ հոդվածի ծավալի վրա: Հեղինակը մանրամասն նկարագրում է փորձի մեթոդաբանությունը, ներառյալ HTML կառուցվածքի վերլուծությունը և API-ի հետ աշխատանքը, ինչպես նաև տալիս է խորհուրդներ՝ AI որոնողական համակարգերի համար բովանդակությունը հարմարեցնելու վերաբերյալ: Այս նյութը օգտակար կլինի SEO մասնագետների և բովանդակություն ստեղծողների համար:

This is a summary. Read the full article at the original source:

Habr
Advertisement468 × 90
Share
Արհեստական բանականություն և մեքենայական ուսուցում

Կապակցված

Քանի որ ձեռնարկություններն ավելի ու ավելի են ինտեգրում ինքնավար AI գործակալներն իրենց աշխատանքային գործընթացներում, ի հայտ է եկել ֆինանսական լուրջ ռիս…

Dark Reading

CNET-ի հյուրընկալված սյունակում հեղինակ Ջեյմի Բարթլեթը քննարկում է առաջադեմ արհեստական բանականության հետ կապված աճող ռիսկերը: Բարթլեթը պնդում է, որ «P…

CNET

OpenAI-ն պաշտոնապես ստեղծել է մաթեմատիկական խորհրդատվական խումբ՝ վերահսկելու առաջադեմ AI տրամաբանության ոլորտում իր հետազոտությունները: Այս քայլը հաջո…

TechCrunch
Advertisement970 × 250