All translations

Enter a message name below to show all available translations.

Found 8 translations.

Name	Current message text
^h German (de)	Die Sicherstellung der Aktualität von Unternehmensdaten in LLM-gestützten Chatbots stellt mehrere Herausforderungen dar. Grundmodelle, obwohl leistungsstark, reichen oft nicht aus, da ihnen domänenspezifisches und unternehmensspezifisches Wissen fehlt. Einmal trainiert, sind diese Modelle im Wesentlichen in der Zeit eingefroren und können halluzinieren, indem sie unerwünschte oder ungenaue Informationen liefern, wenn sie auf Unternehmensinhalte angewendet werden, für die sie nicht trainiert wurden.
^h English (en)	Ensuring the freshness of enterprise data in LLM-powered chatbots presents several challenges. Foundation models, although powerful, often fall short as they lack domain-specific and enterprise-specific knowledge. Once trained, these models are essentially frozen in time and may hallucinate, providing undesired or inaccurate information when used on enterprise content that they are not trained on.
^h Spanish (es)	Garantizar la frescura de los datos empresariales en los chatbots impulsados por modelos de lenguaje grande (LLM) presenta varios desafíos. Los modelos base, aunque poderosos, a menudo no cumplen con las expectativas ya que carecen de conocimiento específico del dominio y de la empresa. Una vez entrenados, estos modelos están esencialmente congelados en el tiempo y pueden alucinar, proporcionando información no deseada o inexacta cuando se utilizan en contenido empresarial para el cual no están entrenados.
^h French (fr)	Assurer la fraîcheur des données d'entreprise dans les chatbots alimentés par des modèles de langage de grande taille (LLM) présente plusieurs défis. Les modèles de base, bien que puissants, sont souvent insuffisants car ils manquent de connaissances spécifiques au domaine et à l'entreprise. Une fois entraînés, ces modèles sont essentiellement figés dans le temps et peuvent halluciner, fournissant des informations indésirables ou inexactes lorsqu'ils sont utilisés sur du contenu d'entreprise sur lequel ils n'ont pas été formés.
^h Japanese (ja)	LLMを搭載したチャットボットにおける企業データの新鮮さを確保することは、いくつかの課題を伴います。基盤モデルは強力ではあるものの、ドメイン固有や企業固有の知識が不足していることが多いです。一度訓練されると、これらのモデルは時間的に固定され、訓練されていない企業コンテンツを使用するときに、望ましくないまたは不正確な情報を提供することがあります。
^h Korean (ko)	LLM 기반 챗봇에서 기업 데이터를 신선하게 유지하는 것은 여러 가지 도전 과제를 제시합니다. 강력한 기초 모델은 도메인별 및 기업별 지식이 부족하여 종종 부족한 점이 있습니다. 일단 훈련되면 이러한 모델은 본질적으로 시간이 멈춘 상태가 되며, 훈련되지 않은 기업 콘텐츠를 사용할 때 원하지 않거나 부정확한 정보를 제공할 수 있습니다.
^h Portuguese (pt)	Garantir a atualidade dos dados empresariais em chatbots alimentados por LLM apresenta vários desafios. Os modelos de base, embora poderosos, muitas vezes falham por não possuírem conhecimento específico de domínio e de empresa. Uma vez treinados, esses modelos ficam essencialmente congelados no tempo e podem alucinar, fornecendo informações indesejadas ou imprecisas quando usados em conteúdos empresariais para os quais não foram treinados.
^h Chinese (zh)	确保企业数据在基于LLM的聊天机器人中保持新鲜性面临诸多挑战。尽管基础模型功能强大，但由于缺乏特定领域和企业特定的知识，它们往往显得不足。一旦训练完成，这些模型基本上就被冻结在某个时间点，可能会出现幻觉，在使用未经过训练的企业内容时提供不需要或不准确的信息。