Retrieval-Augmented Generation (RAG) — метод, коли ШІ-модель отримує релевантні документи під час відповіді і прив’язує відповідь до них, а не покладається лише на те, що запам’ятала під час навчання. Це механізм багатьох процитованих відповідей ШІ.
Простими словами
RAG-система отримує документи, пов’язані з запитом, і передає обраний контекст генеративній моделі перед формуванням відповіді.
Деякі продукти відповідей показують посилання на джерела або метадані grounding, але зв’язана відповідь сама по собі не розкриває кожну деталь реалізації і не доводить, що використано одну конкретну RAG-архітектуру.
Доступний, релевантний і чітко структурований контент легше отримати й інтерпретувати; retrieval все одно залежить від індексу провайдера, запиту, ранжування та контролів.
Чому це важливо
RAG пояснює, як система може використовувати інформацію, якої не було в початкових навчальних даних моделі.
Він також розділяє два питання: чи документ отримано і чи згенерована відповідь точно його представила.