Retrieval-Augmented Generation (RAG) (Generowanie Wzbogacone o Wyszukiwanie)

Retrieval-Augmented Generation (RAG) (Generowanie Wzbogacone o Wyszukiwanie) to potok przetwarzania języka naturalnego wprowadzony przez Lewisa i wsp. w 2020 roku, który wzmacnia duży model językowy (LLM) dowodami pobranymi w czasie wnioskowania z zewnętrznej bazy wiedzy. Zamiast polegać wyłącznie na tym, co model zapamiętał podczas treningu, RAG najpierw wyszukuje najbardziej relewantne fragmenty z indeksu dokumentów, a następnie przekazuje te fragmenty do LLM jako kontekst, ugruntowując wygenerowaną odpowiedź w weryfikowalnych, aktualnych informacjach. Podejście to redukuje halucynacje i pozwala na wstrzyknięcie wiedzy specyficznej dla domeny lub wrażliwej czasowo bez potrzeby ponownego trenowania modelu.