Retrieval-Augmented Generation (RAG)
Ang retrieval-augmented generation ay teknik na nagg-ground ng output ng language model sa retrieved source documents sa halip na umasa lang sa parametric memory nito. Kinukuha ng system ang relevant passages mula sa knowledge base, ibinibigay ang mga iyon bilang context, at pinasasagot ang model gamit lang ang ebidensiyang iyon.
Mga kasingkahulugan: RAG, retrieval augmented generation, grounded generation, context augmentation
Pinaghihiwalay ng retrieval-augmented generation ang alam ng model mula sa pinagsanayan nitong data. Sa query time, hinihila ng retriever ang pinaka-relevant chunks mula sa maintained knowledge base, at bumubuo ang model ng sagot na nakatali sa ebidensiyang iyon. Binabawasan nito ang hallucination, ginagawang auditable ang answers sa pamamagitan ng citations, at hinahayaan ang teams na mag-update ng knowledge nang walang retraining. Sa governed setting, ang RAG ang mekanismong ginagawang grounded at cited response ang tanong, na maaaring i-verify ng tao o policy bago pagkatiwalaan.