> For the complete documentation index, see [llms.txt](https://library.zoom.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://library.zoom.com/technical-library/sv/zoom-workplace/artificial-intelligence/artificial-intelligence-bluepaper/security-and-compliance/model-behavior-and-accuracy.md).

# Modellens beteende och noggrannhet

Zoom AI Companion drivs av en kombination av egenutvecklade och tredjeparts stora språkmodeller (LLM:er), utformade för att ge kontextuell intelligens i Zooms produkter. Följande avsnitt beskriver Zooms praxis för utbildningsdata, hantering av hallucinationer och justering av systemets prestanda.

### <mark style="color:blå;">Zoom använder inte kundinnehåll för modellutbildning</mark>

Zoom **inte** använder kommunikationsliknande kundinnehåll – såsom ljud, chatt, skärmdelning, whiteboards eller reaktioner – för utbildning av några Zoom- eller tredjepartsmodeller.

Zoom utbildar sina modeller med:

* Data från allmän egendom
* Inköpta tredjepartsdatamängder
* Zoom-skapat utbildningsmaterial

Zoom granskar datamängderna för att avgöra om de har erhållits lagligt och om licensen är tillämplig för Zooms planerade användning. Observera att vi också använder tredjepartsleverantörer av modeller, såsom OpenAI och Anthropic, som en del av vår federerade modell. Se all information de tillhandahåller om utbildningsdata.

### <mark style="color:blå;">Generativ AI kan hallucinera</mark>

Precis som med alla generativa modeller kan AI Companion generera utdata som är faktamässigt felaktiga eller irrelevanta (hallucinationer). Zoom rekommenderar att utdata granskas noggrant. Zoom minskar hallucinationer genom att:

* Testa modeller mot verkliga användningsfall
* Förbättra kontext via retrieval-augmented generation (RAG)
* Förbättra språkstöd med översättningspipelines (t.ex. engelska till spanska)

### <mark style="color:blå;">AI Companion-prestanda övervakas och justeras</mark>

Zoom övervakar regelbundet modellprestanda, spårar kvalitetsmått och uppdaterar interna system för att förbättra noggrannheten och transparensen. Även om förklarbarheten är begränsad av modellens design, åtgärdas prestandaförsämringar genom testning och uppdateringscykler.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://library.zoom.com/technical-library/sv/zoom-workplace/artificial-intelligence/artificial-intelligence-bluepaper/security-and-compliance/model-behavior-and-accuracy.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.