Përgjigje e Shtuar me Kërkim (RAG)
Përgjigje e Shtuar me Kërkim (RAG) është një pipeline për përpunimin e gjuhës natyrore, prezantuar nga Lewis et al. në vitin 2020, që forcon një model të madh gjuhësor (LLM) me prova të marra në kohën e inferencës nga një bazë njohurish e jashtme. Në vend që të mbështetet vetëm në atë që një model ka memorizuar gjatë trajnimit, RAG së pari kërkon pasazhet më relevante nga një indeks dokumentesh dhe më pas ia dorëzon ato pasazhe LLM-së si kontekst, duke bazuar përgjigjen e gjeneruar në informacion të verifikueshëm dhe aktual. Qasja redukton halucinacionet dhe lejon që njohuritë specifike të domenit ose ato të ndjeshme ndaj kohës të injektohen pa ri-trajnimin e modelit.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 1). Retrieval-Augmented Generation (RAG). ScholarGate. https://scholargate.app/sq/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 EmbeddingsNxjerrja e tekstit↔ compare
- Përshtatja e BERTMësimi i thellë↔ compare
- Ndërtimi i Grafëve të Njohurive nga TekstiNxjerrja e tekstit↔ compare
- Përgjigjja pyetjeve (QA)Nxjerrja e tekstit↔ compare
- Vetë-vëmendja me shumë kokaMësimi i thellë↔ compare
- Përmbledhja e TekstitNxjerrja e tekstit↔ compare
- Transformer (NLP)Mësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →