Retrieval-Augmented Generation (RAG)
La retrieval-augmented generation è una tecnica che fonda l'output di un modello linguistico su documenti sorgente recuperati invece di affidarsi solo alla sua memoria parametrica. Il sistema recupera passaggi rilevanti da una knowledge base, li fornisce come contesto e chiede al modello di rispondere usando solo quell'evidenza.
Sinonimi: RAG, retrieval augmented generation, grounded generation, context augmentation
La retrieval-augmented generation separa ciò che un modello conosce da ciò su cui è stato addestrato. Al momento della query, il retriever estrae i chunk più rilevanti da una knowledge base mantenuta, e il modello compone una risposta vincolata a quell’evidenza. Questo riduce le allucinazioni, rende le risposte verificabili tramite citazioni e consente ai team di aggiornare conoscenza senza riaddestrare. In un contesto governato, RAG è il meccanismo che trasforma una domanda in una risposta fondata e citata, verificabile da una persona o da una policy prima di essere considerata affidabile.