لغت

Retrieval-Augmented Generation (RAG)

retrieval-augmented generation وہ technique ہے جو language model کے output کو صرف parametric memory پر rely کرنے کے بجائے retrieved source documents میں ground کرتی ہے۔ system knowledge base سے relevant passages fetch کرتا ہے، انہیں context کے طور پر supply کرتا ہے، اور model سے کہتا ہے کہ صرف اسی evidence سے answer کرے۔

مترادفات: RAG, retrieval augmented generation, grounded generation, context augmentation

Retrieval-augmented generation model کے knowledge کو اس کی training سے separate کرتی ہے۔ query time پر retriever maintained knowledge base سے most relevant chunks نکالتا ہے، اور model اسی evidence تک constrained answer compose کرتا ہے۔ یہ hallucination کم کرتا ہے، citations کے ذریعے answers کو auditable بناتا ہے، اور teams کو retraining کے بغیر knowledge update کرنے دیتا ہے۔ governed setting میں RAG وہ mechanism ہے جو question کو grounded، cited response میں بدلتا ہے جسے trust کرنے سے پہلے person یا policy verify کر سکے۔

fine-tuning کے بجائے RAG کیوں استعمال کریں؟

RAG knowledge کو external store میں رکھتا ہے جسے فوراً update کیا جا سکتا ہے، اس لیے answers current رہتے ہیں اور ہر claim source تک trace ہو سکتا ہے۔ fine-tuning knowledge کو weights میں bake کرتی ہے، جو refresh میں slower اور attribute کرنے میں harder ہے۔

RAG pipeline میں کیا شامل ہوتا ہے؟

عام طور پر ingestion اور chunking، embedding، vector یا hybrid search کے لیے index، retriever، اور generation step جو model کو retrieved passages پر condition کر کے cited evidence واپس کرتا ہے۔

Retrieval-Augmented Generation (RAG)

اکثر پوچھے جانے والے سوالات

متعلقہ اصطلاحات