Geração Aumentada por Recuperação (RAG)

Geração Aumentada por Recuperação (RAG) é um pipeline de processamento de linguagem natural introduzido por Lewis et al. em 2020 que fortalece um modelo de linguagem grande (LLM) com evidências buscadas em tempo de inferência de uma base de conhecimento externa. Em vez de depender apenas do que um modelo memorizou durante o treinamento, o RAG primeiro recupera as passagens mais relevantes de um índice de documentos e, em seguida, entrega essas passagens ao LLM como contexto, fundamentando a resposta gerada em informações verificáveis e atualizadas. A abordagem reduz a alucinação e permite que conhecimento específico de domínio ou sensível ao tempo seja injetado sem retreinar o modelo.