NVIDIA tinh chỉnh Nemotron để hiểu quy định địa phương, không chỉ ngôn ngữ địa phương
NVIDIA đã phát hành các bộ dữ liệu Nemotron-Personas cho Pháp và Bỉ, giúp nhà phát triển điều chỉnh các mô hình ngôn ngữ mở theo nhân khẩu học, địa lý, ngôn ngữ, văn hóa và thủ tục hành chính của từng khu vực. Các bộ dữ liệu sử dụng những cư dân tổng hợp được xây dựng dựa trên dữ liệu điều tra dân số và đặc điểm vùng miền, sau đó kết hợp với văn bản thủ tục chính thức để tạo các đoạn hội thoại huấn luyện. Quy trình của NVIDIA tinh chỉnh Nemotron 3.5 Lightning bằng LoRA, một phương pháp nhẹ chỉ huấn luyện một bộ điều chỉnh nhỏ thay vì thay đổi toàn bộ mô hình, rồi gộp bộ điều chỉnh này vào mô hình và đánh giá trên một tập kiểm thử cố định. Bài viết minh họa lợi ích qua câu hỏi về hộ chiếu ở Pháp: mô hình chưa được điều chỉnh trả lời sai rằng người không thể đi lại có thể nộp hồ sơ qua thư bảo đảm, trong khi phiên bản đã tinh chỉnh giải thích thủ tục yêu cầu cán bộ đến tận nhà, giấy chứng nhận y tế cần thiết và các kênh nộp hồ sơ phù hợp. Những chi tiết địa phương có thể làm thay đổi câu trả lời đúng; chẳng hạn, mức lệ phí tem thuế được nêu là €43 ở Guiana thuộc Pháp, so với €86 tại phần lãnh thổ Pháp ở châu Âu. Bộ dữ liệu cho Bỉ hỗ trợ tiếng Hà Lan, tiếng Pháp, tiếng Đức và tiếng Anh, còn chương trình dữ liệu Nemotron nói chung đã có các bộ dữ liệu nhân vật theo địa phương cho 12 quốc gia. Bài học thực tế là AI đa ngôn ngữ cần nhiều hơn việc dịch thuật: các nhà phát triển xây dựng trợ lý cho dịch vụ công hoặc các ngành chuyên môn có thể dùng dữ liệu theo từng khu vực và quy định chính thức để tạo ra câu trả lời chính xác, phù hợp và an toàn hơn, nhưng vẫn phải kiểm tra kỹ các thủ tục nền tảng.
Các đội ngũ phát triển chatbot dịch vụ công, chăm sóc khách hàng hoặc trợ lý chuyên ngành có thể tham khảo quy trình Nemotron để tinh chỉnh mô hình theo dữ liệu dân cư và quy định địa phương, thay vì chỉ dịch mô hình sang tiếng Việt. Khi áp dụng thực tế tại Việt Nam, cần ghép dữ liệu nhân khẩu phù hợp với văn bản thủ tục chính thức và kiểm thử các trường hợp vùng miền trước khi triển khai.
Đọc bài gốc