Can we submit our business directly to Llama or Mistral's training data?

No — there is no submission process or registry for open-source model training. These models are trained periodically on crawled snapshots of the public web, so the only control you have is ensuring your site is well-structured and crawlable before the next training cycle.

Why does an open-source model describe our business inaccurately or not at all?

If your site lacked clear structured data, blocked crawlers, or had limited third-party citation at the time of the training crawl, that gap gets baked into the model's static knowledge until a future retraining incorporates newer data.

Does fixing our site today help immediately with open-source LLMs already deployed?

Not immediately for models already trained and shipped, since their knowledge is frozen at training time; however, fixes made now directly determine your representation in the next training snapshot and in any retrieval-augmented layer built atop these models.

学习 · 赢得每个AI平台

拉玛和米斯特拉尔从公众的追踪中学习 - 缺席意味着在他们跑到哪里都缺席。

审计你的AI可见性 - 免费看看我们如何工作

开源法学硕士:确保Meta Llama和Mistral数据库的可见性

像Meta的Llama和Mistral这样的开源模型被训练在大型公共网页扫描和开放数据存储库上,而不是专有实时索引,这意味着你在它们内部的可见性是由几个月或数年之前决定的,因为你的业务是否在收集培训数据时是明确的,结构化和可扫描的。因为这些模型然后部署在无数独立应用程序,聊天机器人和内部企业工具中,而没有任何一家公司控制经验,没有仪表板可以检查,没有方法可以“提交”你的业务之后 - 唯一的杠杆是确保你的当前的网络存在是可扫描的,结构化和引用值得的,所以它是下一次进行培训时很好的代表。这意味着清洁的JSON-LD标记入口,无障碍的扫描器可以访问机器人提供

投资你的AI Halo

问题

回答

我们可以直接向Llama或Mistral的培训数据提交我们的业务吗?+

没有 - 没有提交流程或开放源代码模型培训的注册表. 这些模型定期在公共网页上进行扫描,所以您唯一的控制是确保您的网站在下一个培训周期之前有良好的结构和可扫描性。

为什么一个开源模型不准确地描述我们的业务,或者根本没有?+

如果您的网站缺乏清晰的结构化数据,被阻止的扫描仪,或在训练扫描时有限的第三方引用,那么这种差距将被填入模型的静态知识,直到未来的重新训练将更新的数据纳入其中。

今天修复我们的网站是否会立即帮助已经部署的开源LLM?+

不是立即为已经训练和发货的模型,因为他们的知识在训练时被冻结;然而,现在做的修复直接决定了你在下一个训练时刻图和在这些模型的顶部建造的任何检索增强层中的表现。

新闻

获得每周AI可见性简报

每周有一封精心思考的电子邮件,说明人工智能如何描述你的业务,以及如何引领转变。

Double opt-in. 确认您的地址开始,并随时单击取消订阅。