Inhalte dieser Seite sind maschinell übersetzt. Zoom übernimmt keine Gewähr für die Genauigkeit.
For the complete documentation index, see llms.txt. This page is also available as Markdown.

Modellverhalten und Genauigkeit

Zoom AI Companion wird durch eine Kombination aus proprietären und Drittanbieter-Großsprachmodellen (LLMs) angetrieben und wurde entwickelt, um kontextbezogene Intelligenz über die Produkte von Zoom hinweg bereitzustellen. Die folgenden Abschnitte beschreiben die Praktiken von Zoom in Bezug auf Schulungsdaten, das Management von Halluzinationen und das Tuning der Systemleistung.

Zoom verwendet keine Kundeninhalte für das Modelltraining

Zoom verwendet nicht kommunikationsähnliche Kundeninhalte – wie Audio, Chat, Bildschirmfreigabe, Whiteboards oder Reaktionen – für die Schulung von Zoom- oder Drittanbietermodellen.

Zoom schult seine Modelle unter Verwendung von:

  • Daten aus dem öffentlichen Bereich

  • Gekaufte Datensätze von Drittanbietern

  • Von Zoom erstellte Schulungsmaterialien

Zoom prüft die Datensätze, um festzustellen, ob sie rechtmäßig erworben wurden und ob die Lizenz für die von Zoom vorgesehene Verwendung gilt. Beachten Sie, dass wir auch Drittanbieter von Modellen, wie OpenAI und Anthropic, als Teil unseres föderierten Modells verwenden. Bitte beziehen Sie sich auf alle Informationen, die sie zu Schulungsdaten bereitstellen.

Generative KI kann halluzinieren

Wie bei jedem generativen Modell kann AI Companion Ausgaben erzeugen, die sachlich falsch oder irrelevant sind (Halluzinationen). Zoom empfiehlt, Ausgaben sorgfältig zu überprüfen. Zoom reduziert Halluzinationen durch:

  • Testen von Modellen anhand realer Anwendungsfälle

  • Verbesserung des Kontexts durch Retrieval-Augmented Generation (RAG)

  • Verbesserung des Sprache-Supports mit Übersetzungspipelines (z. B. Englisch nach Spanisch)

Die Leistung von AI Companion wird überwacht und feinjustiert

Zoom überwacht regelmäßig die Modellleistung, verfolgt Qualitätsmetriken und aktualisiert interne Systeme, um Genauigkeit und Transparenz zu verbessern. Zwar ist die Erklärbarkeit durch das Modelldesign eingeschränkt, Leistungsverschlechterungen werden jedoch durch Test- und Aktualisierungszyklen behoben.

Zuletzt aktualisiert

War das hilfreich?