AI模型以产生幻觉及误导性的答案为人诟病，Google上周公开最新模型DataGemma，号称大幅降低幻觉问题。
Google表示，DataGemma是第一个将大型语言模型（LLM）和来自Google开源知识图谱（knowledge graph）Data Commons的各种现实世界资料连结的案例，目的在借由以现实世界的统计资讯构连LLM，以减少AI幻觉。
目前Google已经在Hugging Face公布DataGemma模型程式码及其他资讯。
Data Commons是Google建立且开源的知识图谱，资料源是值得信赖的组织，像是联合国、世界卫生组织、美国疾管局、和美国人口普查局等。Data Commons涵括健康、经济、人口和环境等多种主题，包含超过2400亿丰富资料点，统计变项横跨数万种。Data Commons使用者可以Google开发的AI自然语言介面查询，研究人员可以查询像是非洲电力普及率增长最大的国家，或是收入和美国各郡糖尿病关系之类的议题。
针对Data Commons资料源，Google利用二种方法提升DataGemma的理解能力，以更贴近事实。一是检索交错生成（Retrieval-Interleaved Generation，RIG），二是检索增强生成（Retrieval-Augmented Generation，RAG）。第一种方式中，当用户以DataGemma生成回应，它会从Data Commons寻找统计资料并取得答案。Google说，RIG方法并不新，但特别用在DataGemma框架的作法却是唯一。
图片来源／Google
第二种方式中，当用户查询DataGemma时，它会运用Gemini 1.5长脉络空间，先从Data Commons取得上下文资讯，再生成回应，借此减少幻觉、提升回应品质。
Google之前已利用开源的Gemma和Gemma 2为基础，使用RIG和RAG微调出变种版本，而这次则是以Gemma 2为基础，再以RIG及RAG方法，分别生成DataGemma 2个27B版本变种，现已分别在Hugging Face平台公开。Google计划持续改善方法，最后会将这些方法学整合到开源的轻量模型Gemma，以及Gemini家族模型。一开始将局部开放给少数人试用，再阶段性逐步扩大开放。