Sinh Tăng Cường Truy Xuất (RAG)
Sinh Tăng Cường Truy Xuất (RAG) là một quy trình xử lý ngôn ngữ tự nhiên được Lewis và cộng sự giới thiệu vào năm 2020, nhằm tăng cường một mô hình ngôn ngữ lớn (LLM) bằng các bằng chứng được truy xuất tại thời điểm suy luận từ một cơ sở tri thức bên ngoài. Thay vì chỉ dựa vào những gì mô hình đã ghi nhớ trong quá trình huấn luyện, RAG trước tiên truy xuất các đoạn văn liên quan nhất từ một chỉ mục tài liệu và sau đó cung cấp các đoạn văn đó cho LLM dưới dạng ngữ cảnh, neo câu trả lời được sinh ra vào thông tin có thể kiểm chứng và cập nhật. Phương pháp này giảm thiểu sự bịa đặt và cho phép tích hợp kiến thức chuyên ngành hoặc nhạy cảm về thời gian mà không cần huấn luyện lại mô hình.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 1). Retrieval-Augmented Generation (RAG). ScholarGate. https://scholargate.app/vi/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 EmbeddingsKhai phá văn bản↔ compare
- Tinh chỉnh BERTHọc sâu↔ compare
- Xây dựng Đồ thị Tri thức từ Văn bảnKhai phá văn bản↔ compare
- Question Answering (QA)Khai phá văn bản↔ compare
- Tự chú ý đa đầuHọc sâu↔ compare
- Tóm tắt văn bảnKhai phá văn bản↔ compare
- Transformer (NLP)Học sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →