Retrieval Augmented Generation (RAG)

Retrieval Augmented Generation (RAG) – это систе­ма, раз­ра­бо­тан­ная для улуч­ше­ния каче­ства отве­тов LLM.

Обыч­но LLM гене­ри­ру­ют свои резуль­та­ты, осно­вы­ва­ясь исклю­чи­тель­но на сохра­нен­ных обу­ча­ю­щих данных.

С дру­гой сто­ро­ны, моде­ли RAG ссы­ла­ют­ся на внеш­ний источ­ник перед гене­ра­ци­ей ответа.

Такой под­ход поз­во­ля­ет зна­чи­тель­но сни­зить веро­ят­ность того, что LLM «гал­лю­ци­ни­ру­ет» неточ­ную информацию.

Retrieval Augmented Generation (RAG) — что дальше?

RAG – это часть мета-трен­да, свя­зан­но­го с мето­да­ми опти­ми­за­ции LLM.

Мы наблю­да­ем рост чис­ла тех­ник и под­хо­дов, направ­лен­ных на улуч­ше­ние обу­че­ния, под­ска­зок и каче­ства рабо­ты LLM.

При­ме­ра­ми тен­ден­ций в этой обла­сти явля­ют­ся под­сказ­ки в виде цепоч­ки мыс­лей, син­те­ти­че­ские дан­ные, под­сказ­ки в виде несколь­ких выстре­лов и уве­ли­че­ние объ­е­ма данных.

Источ­ник

Посмот­ри­те боль­ше постов про искус­ствен­ный интел­лект в моём блоге.