Generació augmentada per recuperació (RAG)
La generació augmentada per recuperació (RAG) és un pipeline de processament del llenguatge natural introduït per Lewis et al. el 2020 que reforça un model de llenguatge gran (LLM) amb evidències obtingudes en temps d'inferència d'una base de coneixement externa. En lloc de dependre únicament del que un model ha memoritzat durant l'entrenament, RAG primer recupera els passatges més rellevants d'un índex de documents i després els lliura a l'LLM com a context, fonamentant la resposta generada en informació verificable i actualitzada. L'aproximació redueix l'al·lucinació i permet injectar coneixement específic de domini o sensible al temps sense haver de reentrenar el model.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Fonts
- Lewis, P. et al. (2020). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. Advances in Neural Information Processing Systems (NeurIPS), 33, 9459-9474. DOI: 10.48550/arXiv.2005.11401 ↗
- Gao, Y. et al. (2023). Retrieval-Augmented Generation for Large Language Models: A Survey. arXiv preprint. DOI: 10.48550/arXiv.2312.10997 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Retrieval-Augmented Generation (RAG). ScholarGate. https://scholargate.app/ca/text-mining/retrieval-augmented-generation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- BERT EmbeddingsMineria de text↔ compare
- Ajustament BERTAprenentatge profund↔ compare
- Construcció de grafs de coneixement a partir de textMineria de text↔ compare
- Preguntes i Respostes (QA)Mineria de text↔ compare
- Autoatenció multi-capAprenentatge profund↔ compare
- Resum de textMineria de text↔ compare
- Transformer (NLP)Aprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →