Retrieval-Augmented Generation (RAG)
Retrieval-augmented generation is een techniek die de output van een taalmodel grondt in opgehaalde brondocumenten in plaats van uitsluitend te vertrouwen op zijn parametrische geheugen. Het systeem haalt relevante passages uit een kennisbank, geeft die als context mee en vraagt het model alleen met dat bewijs te antwoorden.
Synoniemen: RAG, retrieval augmented generation, grounded generation, contextaugmentatie
Retrieval-augmented generation scheidt wat een model weet van waarop het is getraind. Op querytijd haalt de retriever de meest relevante chunks uit een onderhouden kennisbank, waarna het model een antwoord samenstelt dat tot dat bewijs is beperkt. Dit vermindert hallucinatie, maakt antwoorden controleerbaar via citaties en laat teams kennis bijwerken zonder opnieuw te trainen. In een governede omgeving is RAG het mechanisme dat een vraag verandert in een onderbouwd, geciteerd antwoord dat een persoon of beleid kan verifiëren voordat het wordt vertrouwd.