Process / pipeline

Retrieval-Augmented Generation (RAG)

Retrieval-Augmented Generation (RAG) je cjevovod za obradu prirodnog jezika koji su Lewis et al. uveli 2020. godine, a koji jača veliki jezični model (LLM) dokazima prikupljenim u vrijeme zaključivanja iz vanjske baze znanja. Umjesto da se oslanja isključivo na ono što je model zapamtio tijekom obuke, RAG prvo dohvaća najrelevantnije odlomke iz indeksa dokumenata, a zatim te odlomke predaje LLM-u kao kontekst, utemeljujući generirani odgovor na provjerljivim, ažuriranim informacijama. Pristup smanjuje halucinacije i omogućuje ubacivanje znanja specifičnog za domenu ili vremenski osjetljivog znanja bez ponovne obuke modela.

Otvorite u MethodMindUskoroVideoUskoroDownload slides

Pročitajte cijelu metodu

Samo za članove

Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.

Prijavite se

Method map

The neighbourhood of related methods — select a node to explore.

+1 more

Izvori

  1. 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
  2. Gao, Y. et al. (2023). Retrieval-Augmented Generation for Large Language Models: A Survey. arXiv preprint. DOI: 10.48550/arXiv.2312.10997

Kako citirati ovu stranicu

ScholarGate. (2026, June 1). Retrieval-Augmented Generation (RAG). ScholarGate. https://scholargate.app/hr/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.

Compare side by side

Citirana u

ScholarGateRetrieval-Augmented Generation (Retrieval-Augmented Generation (RAG)). Preuzeto 2026-06-15 s https://scholargate.app/hr/text-mining/retrieval-augmented-generation · Skup podataka: https://doi.org/10.5281/zenodo.20539026