< P > Недавний патент Google объясняет, как крупные языковые модели могут использовать реальный контекст для сеансов диалога с персоналом ~/p > < IMG WIDTH = "1600" HEIGHT = "840" SRC = "https://www.searchenginejournal.com/wp-content/uploads/2025/06/google-patent-contextual-ai-745.jpg" Class = "Attact-full size-paterl "fetchPriority =" high "decoding =" async "srcset =" https://www.searchenginejournal.com/wp-content/uploads/2025/06/google-patent-contextual-745.jpg 1600W, https://www.searchenginejournal.com/wp-content/uploads/2025/06/google-patent-contextual-ai-745-480x252.jpg 480w, https://www.searchenginejournal.com/wp-content/uploads/2025/06/google-patent-contextual-ai-745-680x357.jpg 680w, https://www.searchenginejournal.com/wp-content/uploads/2025/06/google-patent-contextual-ai-745-384x202.jpg 384w, https://www.searchenginejournal.com/wp-content/uploads/2025/06/google-patent-contextual-ai-768x403.jpg 768w, https://www.searchenginejournal.com/wp-content/2025/06/google-patent-contextual-ai-745-1024x538.jpg 1024W «Размеры =» (MAX-WIDTH) 100VW, 1600px "/>< P > Патент, недавно поданный Google, описывает, как помощник по искусственному интеллекту может использовать как минимум пять реальных контекстуальных сигналов, включая определение связанных с ними, чтобы влиять на ответы и генерировать естественный диалог. Это & rsquo; S к примеру того, как поиск A-ASISTED изменяет ответы на привлечение пользователей с соответствующими вопросами контекста и диалогом, расширяясь за пределами систем на основе ключевых слов.
< P > Патентная descbebe Система, которая генерирует соответствующий диалог и ответы, используя поиск сигналов в качестве контекста окружающей среды, диалогового намерения, пользовательских данных и истории разговоров. Эти факторы выходят за рамки использования семантических данных в пользователе и amp; S запрашивает и покажите, как поиск по A-A-Assisted движет городом более естественным человеческим взаимодействием.
< p >В целом, цель подачи патента состоит в том, чтобы обмениваться правовой защитой и эксклюзивностью для изобретения, а акт рыбалки – это и amp; T укажите, что Google на самом деле использует его.
~ 60 >~ 60 > В патенте используются примеры разговорного диалога, но в нем говорится, что изобретение не ограничивается аудио входом: < P >& ldquo; Примечательно, что во время данного сеанса диалога пользователь может взаимодействовать с автоматизированным помощником, используя различные методы ввода, в том числе не ограничиваясь, разговорный вход и/или сенсорный вход. & rdquo;
~/Цитата> < p > Имя патента составляет, ~ 60 > Использование модели (ы) большого языка в генерируемом автоматическом помощнике ответа (ы) . Патент применяется к широкому диапазону помощников искусственного интеллекта, которые получают входные данные через контекст типизированных, прикосновений и речи.
< p > em > Существует пять факторов, которые влияют на модифицированные LLM ответы:
< ol > < li > Время, местоположение и контекст окружающей среды
< li > Контекст-конкретный пользователь
< li > Диалог намерения & усилитель; Предыдущие взаимодействия
< li > & NBSP; Входы (текст, прикосновение и речь)
< li > System & усилитель; Контекст устройства
< p > Первые четыре фактора влияют на ответы, которые предоставляет автоматизированный помощник, и пятый определяет, следует ли отключить часть LLM с помощью части и вернуться к стандартным ответам AI.
< H2 >Время, местоположение и окружающая среда
< P > Существует три контекстных фактора: время, местоположение и окружающая среда, которые предоставляют контексты, которые не доступны в ключевых словах, и влияют на то, как отвечает помощник ИИ. В то время как тезис контекстуальные факторы, как описано в патенте, Aren & Строго связанный с обзорами ИИ или режимом ИИ, они показывают, как АИ-АССИОНАЛЬНЫЕ взаимодействие с изменением данных.
< p > Патент использует пример человека, который говорит своему помощнику, что он & rsquo; переход на серфинг. Стандартным ответом искусственного интеллекта был бы комментарий котла, чтобы повеселиться или насладиться днем. Ответ с помощью LLM, описанный в патенте, будет генерировать ответ на основе географического положения и времени для создания комментариев о погоде, такой как потенциал для дождя. Тезис называется модифицированными ассистентными выходами.
< p >< em >Патент описывает это так:
< blockquote > ~ p > & ldquo; & Помощники выходов, включая модифицированные ассистентные выходы, которые управляют сеансом диалога таким образом, которые дополнительно задействуют устройство в сессию диалога, задавая контекстуально релевантные вопросы (например, & давно вы занимались серфингом ? & rdquo;), который дает контекстную релевантную информацию (например, и amp; или amp; ldquo; Откликнитесь с пользователем клиентского устройства с контекстом диалогового сеанса. & Amp;
< H2 > Контекст-специфический для пользователя < p > ~ > Патент Descrbe Несколько конкретных пользовательских контекстов, которые LLM может использовать для генерации модифицированного вывода: < ul > < li >Данные профиля пользователя, поиск как предпочтения (например, еда или типы деятельности).
< li > Данные программного приложения (поиск как приложения в настоящее время или недавно используются).
< li > История диалога продолжающихся и/или предыдущих помощников.
~ 60 >~ 60 > Здесь & rsquo; S фрагмент, который говорит о различных профилях пользователей, связанных с контекстуальными сигналами: < Цитата блока >< P >& Ldquo; Кроме того, контекст диалогового сеанса может быть определен на основе одного или нескольких контекстных сигналов, которые включают, например, окружающий шум, обнаруженный в среде клиентского устройства, данных приложения приложения пользователя, & .Dialog История диалогового сеанса между пользователем и автоматическим помощником и/или другими контекстуальными сигналами. & Amp; rdquo;
~/Цитата блока > < H2 > Связано < P > Интересная часть патента описывает, как пользователь и amp; S Food Preference может быть использован для определения намерения для запроса.
< Цитата блока >< P >& ldquo; Например, & Хеллип; Один или несколько LLM могут определить намерение, связанное с данным помощником запроса & Хеллип; Хеллип; Кроме того, один или несколько из LLM могут идентифицировать, на основе намерения, связанных с данным помощником запроса, по крайней мере, одно связанное с этим намерение, связанное с намерением, связанным с данным помощником Query & Хеллип; Более того, один или несколько LLMS может генерировать дополнительный помощник запроса на основе как минимум одного связанного намерения. & ldquo;
~/Цитата> < p > Патент иллюстрирует это примером того, как пользователь говорит, что они & rsquo; Повторный голодный. LLM хочет, чтобы это идентифицировало поиск связанных контекстов как тип кухни, которую пользуется пользователем, и в ресторане есть в ресторане.
~ 60 >~ 60 > Патент объясняет:
< Цитата блока >< P >& ldquo; В этом примере дополнительный помощник запроса может соответствовать, например, & ldquo; Какие типы кухни указали пользователь, он/она предпочитает ? & rdquo; (Например, отражая связанные с этим намерение типа кухни, связанное с намерением пользователя, указывающего, что он/она хотел бы съесть) и amp; Ldquo; Какие рестораны поблизости открыты ? & rdquo; (Например, отражая связанные с ним намерение поиска ресторана, связанное с намерением пользователя, указывающего, что он/она хотел бы поесть) и amp; Хеллип; В реализации диссертации дополнительные результаты помощника могут быть определены на основе обработки дополнительного помощника запроса. & Amp; rdquo;
~/Цитата> < H2 > System & усилитель; Контекст устройства
< p > Системная и контекст устройства Часть патента интересна, потому что он позволяет ИИ обнаружить, является ли контекст устройства, что он & rsquo; S Low On Batteries, и если выключите ответы, модифицированные LLM. Существуют другие факторы, как и поиск, так как пользователь уходит от устройства, вычислительные затраты и т. Д.
< h2 > вынос< ul > ~ 60 >~ 60 > ai Запросы Ответы Используйте контекстные сигналы < br > Google & rsquo; S Патент описывает, как автоматизированные помощники могут использовать реальный контекст для создания более актуальных и человеческих ответов и диалога.
< li >< сильные > Контекстуальные факторы влияют на ответы < br > Тезис включал время/местоположение/среду, конкретные данные пользователя, историю диалога и намерения, условия системы/устройства и тип ввода (текст, речь или прикосновение).
< li > 60 > LLM-модифидное усиление >~ 60 > Модели крупных языков (LLMS) используют контексты для создания персонализированных ответов или последующих вопросов, таких как эталонная погода или прошлые взаимодействия.
< li > ~ Strong > Примеры показывают практическое воздействие >~ 60 > Сценарии, такие как рекомендация пищи, основанную на предназначении пользователя в местную погоду во время планов на открытом воздухе, демонстрируют, как реальные контексты могут влиять на то, как ИИ отвечает на запросы пользователей.
< P > Этот патент важен миллионы людей, все чаще взаимодействуют с помощниками ИИ, таким образом, он и amp; S, отношение к издателям, магазинам электронной коммерции, местным предприятиям и SEO. ~/P > < P > Имеет описание, как Google & S-A-A-Assisted Systems может генерировать, контекстные ответы с использованием реальных сигналов. Это позволяет помощникам выйти за рамки ответов на основе ключевых слов и отвечать соответствующей информацией или последующими вопросами, поиск в качестве предложения ресторанов, которые пользователь может понравиться, или комментировать погодные условия перед запланированной деятельностью.