بغیر گراؤنڈنگ والا ماڈل یادداشت سے جواب دیتا ہے۔ گراؤنڈڈ ماڈل سامنے رکھے صفحے سے جواب دیتا ہے۔
یہ کیسے کام کرتی ہے
Google کی Vertex AI دستاویزات گراؤنڈنگ کو “the ability to connect model output to verifiable sources of information.” (ترجمہ: ماڈل آؤٹ پٹ کو معلومات کے قابلِ تصدیق ذرائع سے جوڑنے کی صلاحیت۔) کہتی ہیں۔ ماخذ ویب سرچ، آپ کی اپنی دستاویزات، نقشے کی سروس یا ڈیٹابیس ہو سکتا ہے۔ ماخذ جو بھی ہو، طریقے کے تین حصے ہیں:
- ثبوت لائیں سوال کے لیے: ریٹریو کی گئی عبارتیں، پوری فائل، انوائس کی تصویر، SQL کی قطاریں۔
- اسے پرامپٹ میں رکھیں اور صرف اسی سے جواب دینے کی ہدایت دیں۔
- جواب کو قابلِ جانچ بنائیں اقتباسات، حوالہ نشانات یا ماخذ کے لنکس سے۔
ریٹریول آگمینٹڈ جنریشن سب سے مشہور طریقہ ہے۔ Lewis اور ساتھیوں نے ایک جنریٹر کو “dense vector index of Wikipedia” (ترجمہ: Wikipedia کا ڈینس ویکٹر انڈیکس) سے جوڑا، جس تک ایک نیورل ریٹریور پہنچتا تھا، اور بتایا کہ جوابات صرف اپنے پیرامیٹرز سے کام کرنے والے ماڈل کے مقابلے میں زیادہ مخصوص اور زیادہ حقائق پر مبنی تھے۔ ایسا انڈیکس بنانے میں ایمبیڈنگز اور اکثر ویکٹر ڈیٹابیس استعمال ہوتا ہے۔
ایک کم سے کم گراؤنڈڈ پرامپٹ:
Answer using only the policy below. Quote the sentence that supports your answer.
If the policy does not answer the question, reply "Not in the policy."
<policy>Refunds are available within 14 days of purchase.</policy>
Question: Can I get a refund after three weeks?
گراؤنڈڈ جواب “نہیں” کہتا ہے اور 14 دن والا جملہ نقل کرتا ہے۔ بغیر گراؤنڈنگ والا ماڈل 30 دن کی کوئی عام سی لگنے والی پالیسی اندازے سے بتا سکتا ہے۔
لمبے ان پٹس کے لیے Anthropic پہلے اقتباس والا قدم تجویز کرتا ہے: 20,000 ٹوکن سے بڑی دستاویزات کے لیے ماڈل سے پہلے لفظ بہ لفظ اقتباسات نکلوائیں، پھر صرف انہی اقتباسات سے جواب دلوائیں۔
یہ کیوں اہم ہے
- کم گھڑے ہوئے حقائق۔ Google ہیلوسینیشنز میں کمی کو بنیادی فائدہ بتاتا ہے۔ آپ کے اپنے ڈیٹا کے بارے میں ہیلوسینیشن کا سب سے سیدھا علاج گراؤنڈنگ ہے۔
- تازہ معلومات۔ ماڈل کے ویٹس تربیت کے وقت منجمد ہو جاتے ہیں۔ گراؤنڈڈ ذرائع دوبارہ تربیت کے بغیر روزانہ بدل سکتے ہیں۔
- آڈٹ کی سہولت۔ اقتباس والے دعوے کو کوئی انسان یا کوڈ جانچ سکتا ہے۔
- لاگت کا سمجھوتہ۔ ثبوت ان پٹ ٹوکن ہیں۔ پانچ عبارتیں ریٹریو کرنا پورا مینوئل بھیجنے سے سستا ہے، لیکن اہم عبارت چھوٹ سکتی ہے۔ بہت لمبے پرامپٹس میں lost-in-the-middle والے ریکال کا خطرہ بھی ہے۔
BroadNet Inference پر
BroadNet کی دستاویزات میں کوئی ایمبیڈنگز اینڈپوائنٹ، سرچ ٹول یا حوالوں کا فیچر درج نہیں، اس لیے ریٹریول آپ کے کوڈ میں چلتا ہے۔ API آپ کو ثبوت کے لیے جگہ دیتا ہے: DeepSeek V4.1 Flash اور GLM 5.3 پر 1,048,576 ٹوکن کی کانٹیکسٹ ونڈو، Qwen3.8 27B پر 262,144، اور ان ماڈلز پر تصویری ان پٹ جن کے دستاویزی اندراج میں images یا vision لکھا ہے۔ اس سے “پوری دستاویز چپکا دیں” ایک حقیقی آپشن بنتا ہے؛ لمبا کانٹیکسٹ بمقابلہ RAG دونوں کی لاگت کا موازنہ کرتا ہے، اور انوائس گائیڈ اسکین شدہ تصویر پر ڈیٹا نکالنے کو گراؤنڈ کرتی ہے۔