DataGemma：谷歌大模型

诸神缄默不语-个人CSDN博文目录

DataGemma是谷歌出的大模型，是gemma 2的升级版，主要亮点是基于检索解决幻觉问题。
在huggingface和kaggle上均可下载模型权重。
检索数据源是Google’s Data Commons知识图谱。

官方博客：https://blog.google/technology/ai/google-datagemma-ai-llm/
官方论文：Knowing When to Ask - Bridging Large Language Models and Data 对论文的讲解，请静待后续推出。

Retrieval-Interleaved Generation (RIG)版：微调gemma2（Gemma2 27B model），识别AI回答中的数据，通过事实验证的思路判断AI回答是否正确，如果不正确就从Google’s Data Commons中找数据来替换。
这个是调用示例代码，必须要付费才能用colab A100，所以我没跑，只看了一遍：https://colab.research.google.com/github/datacommonsorg/llm-tools/blob/main/notebooks/datagemma_rig.ipynb
总之谷歌做了一个调用包，可以直接实现整个问答流程，过程中会自动询问数据库：DataGemma先做出回答，回答中就包括需要向数据库咨询的问题，然后从数据库中检索出数据、数据来源和链接，用以替换数据，得到最终回答。

更形象的，可以参考官方博客中的视频（我在上传了，正在等CSDN审核）

做出回答（|| 后面的是模型自动生成的数据）：

最后的脚注中会给出数据来源：

注意colab中的秘钥在这里设置：

输入名称和密钥值即可。

Retrieval Augmented Generation (RAG) 版：就是RAG，先检索Google’s Data Commons中的相关信息，再生成回答。
调用示例代码：https://colab.research.google.com/github/datacommonsorg/llm-tools/blob/master/notebooks/datagemma_rag.ipynb

RAG过程：

官方视频展示（也在上传了）

最终回答：

后附表：