ベクターデータベースを潰すために650万ドルを集めた。 今日のすべてのシステムは同じ方法でコンテキストを取得します。ベクトルサーチで、すべてをフラット埋め込みとして保存し、最も「感じる」ものを返します。 似ている、確かに。関連性は?ほとんどありません。 埋め込みはQ3の更新条項とQ1の終了通知の文言が十分に近いかどうかを見分けることができません。 先週、友人がAIに契約について尋ねたところ、まったく別のクライアントのファイルから抽出した詳細で完璧に作られた回答が返ってきました。 10M+の文書を扱うと、こうした混乱は頻繁に起こります。 VectorDBの精度はひどいです。 まさにそのために@hydra_dbを作ったのです。 HydraDBは、あなたのデータに対してオントロジー優先のコンテキストグラフを構築し、エンティティ間の関係をマッピングし、文書の背後にある「なぜ」を理解し、情報がどのように時間とともに進化するかを追跡します。 ですので、「Apple」について尋ねるとき、顧客としてサービスを提供する会社を指していることがわかります。果物じゃない。 ベクトルDBの類似度スコアが0.94であっても、 以下に⬇️詳しく

記憶はAIの単なる特徴ではなく、応答するシステムと本当に理解するシステムの違いです。 『The Long Walk』の第1話では、@kamath_sutraと私はメモリが次世代のボイスエージェントをどのように形作っているのか、そしてなぜそれが実際の企業のワークフローにおいて重要になっているのかを掘り下げます。