Generasi yang Diperkaya Pengambilan (RAG)
Generasi yang Diperkaya Pengambilan (RAG) adalah alur kerja pemrosesan bahasa alami yang diperkenalkan oleh Lewis et al. pada tahun 2020 yang memperkuat model bahasa besar (LLM) dengan bukti yang diambil pada waktu inferensi dari basis pengetahuan eksternal. Alih-alih hanya mengandalkan apa yang dihafal model selama pelatihan, RAG pertama-tama mengambil bagian-bagian yang paling relevan dari indeks dokumen dan kemudian menyerahkan bagian-bagian tersebut ke LLM sebagai konteks, mendasarkan jawaban yang dihasilkan pada informasi yang dapat diverifikasi dan terkini. Pendekatan ini mengurangi halusinasi dan memungkinkan pengetahuan spesifik domain atau sensitif waktu disuntikkan tanpa melatih ulang model.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 1). Retrieval-Augmented Generation (RAG). ScholarGate. https://scholargate.app/id/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.
- Embedding BERTPenambangan Teks↔ compare
- Fine-Tuning BERTPembelajaran Mendalam↔ compare
- Konstruksi Graf Pengetahuan dari TeksPenambangan Teks↔ compare
- Tanya Jawab (QA)Penambangan Teks↔ compare
- Multi-Head Self-AttentionPembelajaran Mendalam↔ compare
- Peringkasan TeksPenambangan Teks↔ compare
- Transformer (NLP)Pembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →