Google Cloud fournit un ensemble de modèles de fondation de pointe via Vertex AI, y compris Gemini. Vous pouvez également déployer un modèle tiers vers Vertex AI Model Garden ou l'auto-hébergement sur GKE ou Compute Engine.

La conception de requêtes est le processus de création de paires de requêtes et de réponses pour fournir aux modèles de langage un contexte et des instructions supplémentaires. Une fois que vous avez créé des requêtes, vous les transmettez au modèle en tant qu'ensemble de données de requêtes pour le pré-entraînement. Lorsqu'un modèle génère des prédictions, il répond avec vos instructions intégrées.

L'ancrage connecte les modèles d'IA à des sources de données pour améliorer la précision des réponses et réduire les hallucinations. Le RAG, une technique d'ancrage courante, recherche des informations pertinentes et les ajoute à la requête du modèle, ce qui garantit que la sortie est basée sur des faits et des informations à jour.

Les agents permettent de concevoir et d'intégrer facilement une interface utilisateur de conversation dans votre application mobile, tandis que l'appel de fonction étend les capacités d'un modèle.

Les tâches spécialisées, telles que l'entraînement d'un modèle de langage sur une terminologie spécifique, peuvent nécessiter plus d'entraînement qu'une conception de requête ou un ancrage seul. Dans ce cas, vous pouvez utiliser le réglage du modèle pour améliorer les performances ou entraîner votre propre modèle.