التوليد المعزَّز بالاسترجاع (RAG)
التوليد المعزَّز بالاسترجاع تقنية تؤسّس مُخرَج نموذج لغوي في مستندات مصدرية مُسترجَعة بدلاً من الاعتماد على ذاكرته المعلمية وحدها. يجلب النظام مقاطع ذات صلة من قاعدة معرفية، ويقدّمها كسياق، ويطلب من النموذج الإجابة باستخدام ذلك الدليل فقط.
مرادفات: RAG, retrieval augmented generation, grounded generation, context augmentation
يفصل التوليد المعزَّز بالاسترجاع ما يعرفه النموذج عمّا دُرِّب عليه. ففي وقت الاستعلام، يسحب المُسترجِع أكثر المقاطع صلةً من قاعدة معرفية مُصانة، ويؤلّف النموذج إجابة مقيَّدة بذلك الدليل. يقلّل هذا الهلوسة، ويجعل الإجابات قابلة للتدقيق عبر الاقتباسات، ويتيح للفرق تحديث المعرفة دون إعادة تدريب. وفي بيئة محكومة، يكون RAG الآلية التي تحوّل سؤالاً إلى استجابة مؤسَّسة مقتبَسة يستطيع شخص أو سياسة التحقق منها قبل الوثوق بها.
الأسئلة الشائعة
لماذا نستخدم RAG بدلاً من الضبط الدقيق؟
يُبقي RAG المعرفة في مخزن خارجي يمكنك تحديثه فورًا، بحيث تبقى الإجابات حديثة ويمكن تتبع كل ادعاء إلى مصدر. أما الضبط الدقيق فيخبز المعرفة في الأوزان، وهو أبطأ في التحديث وأصعب في الإسناد.
ماذا يتضمن خط أنابيب RAG؟
عادةً الاستيعاب والتقطيع، والتضمين، وفهرسًا للبحث المتجهي أو الهجين، ومُسترجِعًا، وخطوة توليد تُكيّف النموذج على المقاطع المُسترجَعة وتُرجع أدلة مقتبَسة.