ScholarGate
Asisten
Process / pipeline

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.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

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

+1 more

Sumber

  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

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.

Compare side by side

Dirujuk oleh

ScholarGateRetrieval-Augmented Generation (Retrieval-Augmented Generation (RAG)). Diakses 2026-06-15 dari https://scholargate.app/id/text-mining/retrieval-augmented-generation · Set data: https://doi.org/10.5281/zenodo.20539026