悉尼科技大学首席研究员兼DeWave作者， Chin-Teng Lin表示，DeWave是第一个将离散编码集成在大脑到文本翻译领域的产品，引入了一种创新的神经解码方法。同时与大语言模型的集成，也开辟了神经科学和AI相结合的全新探索。
而下面这个问题，也再一次被提起:人类究竟什么时候能及时预测地震呢?
为了解决幻觉问题，研究人员采用了检索增强生成（RAG）的方法，并添加了几个重要步骤来进一步减轻幻觉，并改进对话性指标。通过这些优化，WikiChat在事实准确性方面比微调后的SOTA RAG模型Atlas高出8.5%。此外，研究人员还将基于GPT-4的WikiChat提炼成7B参数的LLaMA模型，这个模型在事实准确性方面能达到91.1%的高分，并且运行速度提高了6.5倍，能效更好，可以本地部署。
然而，解决大模型的幻觉问题并不容易。一般情况下，当检索不到相关信息或知识库中没有相关信息时，大模型会产生幻觉来填补空白。为了解决这个问题，WikiChat通过汇总和过滤检索到的信息，而不是直接生成响应。同时，研究人员还教导了LLM理解时间背景，以及在必要时让系统说「我不知道」。
Articul8的首席执行官将是之前在英特尔数据中心和人工智能组担任副总裁兼总经理的Arun Subramaniyan。Articul8团队的其余成员也将包括前英特尔员工，而英特尔将保留该公司的未透露的股份。