Process / pipeline
検索拡張生成（Retrieval-Augmented Generation, RAG）
検索拡張生成（RAG）は、Lewisらによって2020年に導入された自然言語処理パイプラインであり、推論時に外部知識ベースから取得した証拠によって大規模言語モデル（LLM）を強化するものです。RAGは、モデルが訓練中に記憶した内容だけに依存するのではなく、まず文書インデックスから最も関連性の高いパッセージを取得し、そのパッセージをコンテキストとしてLLMに渡すことで、検証可能で最新の情報に基づいた回答を生成します。このアプローチは、幻覚（ハルシネーション）を減らし、モデルの再訓練なしにドメイン固有または時間的制約のある知識を注入することを可能にします。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 1). Retrieval-Augmented Generation (RAG). ScholarGate. https://scholargate.app/ja/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埋め込みテキストマイニング↔ compare
- BERTファインチューニング深層学習↔ compare
- テキストからの知識グラフ構築テキストマイニング↔ compare
- 質問応答 (QA)テキストマイニング↔ compare
- Multi-Head Self-Attention深層学習↔ compare
- テキスト要約テキストマイニング↔ compare
- Transformer (NLP)深層学習↔ compare