# زیرساخت جدید، خطای توهم هوش مصنوعی را از ۱۵٪ به ۱٫۵٪ رساند

> یک خرده‌فروش بزرگ با انتقال مدیریت چالش‌های LLM به پلتفرکی مشترک، نه با تغییر مدل، خروجی‌های گمراه‌کننده هوش مصنوعی را کاهش داد.

Oossa · 2026-10-05 · https://oossa.com/fa/retail-ai-platform-cuts-hallucinations-from-15-to-1-5-with-infrastructure-change

تیم دقت موجودی یک خرده‌فروش، پلتفرمی مشترک برای LLM ساخت و پس از شش ماه، نرخ توهم را از پانزده درصد به یک‌ونیم درصد رساند. این پلتفرم چرخه‌های تلاش مجدد خودکار، دروازه‌ای برای اعتبارسنجی قصد و ثبت مرکزی پرامپت‌ها دارد که در زمان اجرا قابل به‌روزرسانی است. همچنین هزینه توکن‌ها را رصد می‌کند و مجوز استفاده از ابزارها را در سرور منابع اعمال می‌کند. این تغییرات در یک سامانه چندعاملی پیاده‌سازی شدند که با مدل‌هایی مانند Gemini و GPT کار می‌کند.

## حقایق

- نرخ توهم طی شش ماه از ۱۵٪ به ۱٫۵٪ کاهش یافت.
- این پلتفرم به ده‌ها تیم کاربردی در حوزه‌های حسابرسی موجودی و بررسی تأمین مجدد کالا خدمات می‌دهد.

## چرا مهم است

برای تیم‌های عملیات خرده‌فروشی، کاهش نرخ توهم یعنی پیشنهادهای نادرست درباره موجودی کمتر و هزینه پایین‌تر برای اصلاح دستی.

## منابع و ارجاع‌ها

1. [Article: The Platform Engineering Playbook for Production LLMs](https://www.infoq.com/articles/platform-engineering-playbook-production-llms/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=AI%2C+ML+%26+Data+Engineering) – InfoQ, 2026-10-05

آخرین به‌روزرسانی: 2026-10-05