पुनर्प्राप्ति-संवर्धित जनन (RAG)
पुनर्प्राप्ति-संवर्धित जनन (RAG) एक प्राकृतिक-भाषा-प्रसंस्करण पाइपलाइन है जिसे 2020 में लुईस एट अल. द्वारा प्रस्तुत किया गया था, जो एक बड़े भाषा मॉडल (LLM) को बाहरी ज्ञान आधार से अनुमान समय पर प्राप्त साक्ष्य के साथ मजबूत करता है। केवल उस पर निर्भर रहने के बजाय जो एक मॉडल ने प्रशिक्षण के दौरान याद किया है, RAG पहले सबसे प्रासंगिक अंशों को एक दस्तावेज़ सूचकांक से पुनर्प्राप्त करता है और फिर उन अंशों को LLM को संदर्भ के रूप में सौंपता है, जिससे उत्पन्न उत्तर सत्यापित, अद्यतित जानकारी में आधारित होता है। यह दृष्टिकोण मतिभ्रम को कम करता है और मॉडल को पुनः प्रशिक्षित किए बिना डोमेन-विशिष्ट या समय-संवेदनशील ज्ञान को इंजेक्ट करने की अनुमति देता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 1). Retrieval-Augmented Generation (RAG). ScholarGate. https://scholargate.app/hi/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 एम्बेडिंगपाठ खनन↔ compare
- BERT फाइन-ट्यूनिंगगहन अधिगम↔ compare
- पाठ से ज्ञान ग्राफ़ निर्माणपाठ खनन↔ compare
- प्रश्न उत्तरण (QA)पाठ खनन↔ compare
- बहु-शीर्षक स्व-ध्यान (Multi-Head Self-Attention)गहन अधिगम↔ compare
- पाठ सारांशीकरणपाठ खनन↔ compare
- ट्रांसफ़ॉर्मर (एनएलपी)गहन अधिगम↔ compare