人工智能倾向于编造事情。这对于任何经常使用它的人来说都没有吸引力，尤其是对于企业来说，错误的结果可能会损害利润。在 Salesforce 最近的一项调查中，一半的员工表示，他们担心公司的生成式人工智能系统的答案不准确。
虽然没有任何技术可以解决这些幻觉，但有些技术可以提供帮助。例如，检索增强生成（RAG）将人工智能模型与知识库配对，在模型回答之前提供补充信息，充当一种事实检查机制。
整个企业都被由于对更可靠的人工智能的极高需求，基于 RAG 构建。Voyage AI 就是其中之一。Voyage 由斯坦福大学教授 Tengyu Ma 于 2023 年创立，为 Harvey、Vanta、Replit 和 SK Telecom 等公司的 RAG 系统提供支持。
Voyage 的使命是提高企业人工智能的搜索和检索准确性和效率，马云在接受 TechCrunch 采访时表示。Voyage 解决方案针对特定领域（例如编码、金融、法律和多语言应用程序）量身定制，并根据公司数据量身定制。
为了启动 RAG 系统，Voyage 训练 AI 模型来转换文本、将文档、PDF 和其他形式的数据转换为数字表示形式，称为向量嵌入。嵌入以紧凑的格式捕获不同数据点之间的含义和关系，这使得它们对于 RAG 等搜索相关应用非常有用。
Voyage 使用一种称为上下文嵌入的特殊类型的嵌入，它不仅捕获数据的语义意义，而不是数据出现的上下文。例如，给定句子中的“银行”一词，“我坐在河边，我把钱存入银行”，Voyages 嵌入模型将为每个银行实例生成不同的向量，反映上下文隐含的不同含义。
Voyage 托管并许可其模型供本地、私有云或公共云使用，并为选择支付此服务费用的客户微调其模型。在这方面，OpenAI 也不是独一无二的，它也提供可定制的嵌入服务，但 Ma 声称 Voyages 模型以更低的成本提供更好的性能。
在 RAG 中，给出问题或查询，我们首先检索相关信息他解释说，它是从非结构化知识库中获取的，就像图书管理员在图书馆中搜索书籍一样。传统的 RAG 方法在信息编码过程中经常会遇到上下文丢失的问题，从而导致相关信息检索失败。Voyages 嵌入模型具有一流的检索精度，这意味着 RAG 系统的端到端响应质量。
这些大胆的主张得到了 OpenAI 主要竞争对手 Anthropic 的认可；Anthropic 支持文档将 Voyages 模型描述为最先进的。
Voyages 方法使用在公司数据上训练的向量嵌入来提供上下文感知检索，Ma 说，这显着提高了检索准确性。
马云表示，总部位于帕洛阿尔托的 Voyage 仅有 250 多个客户。他拒绝回答有关收入的问题。
9 月份，拥有大约 12 名员工的 Voyage 完成了由 CRV 领投、Wing VC、Conviction、Snowflake 和 Databricks 参与的 2000 万美元 A 轮融资。马云表示，此次注入的现金使 Voyages 筹集的资金总额达到 2800 万美元，将支持新嵌入模型的推出，并使公司规模扩大一倍。