检索增强生成 (RAG)
检索增强生成是一种技术，它将语言模型的输出接地于检索到的源文档，而不是仅依赖其参数化记忆。系统从知识库中获取相关段落，将其作为上下文提供，并要求模型仅使用该证据作答。
同义词：RAG, retrieval augmented generation, grounded generation, context augmentation
检索增强生成将模型所知与其训练所得分离开来。在查询时，检索器从一个维护的知识库中拉取最相关的分块，模型据此组成一个约束于该证据的答案。这减少了幻觉，通过引用使答案可审计，并让团队无需重新训练即可更新知识。在受治理的环境中，RAG 是将一个问题转化为有据可依、带引用的回复的机制，人员或策略可在信任它之前对其进行验证。
常见问题
为什么使用 RAG 而非微调？
RAG 将知识保存在一个可即时更新的外部存储中，使答案保持最新，且每项主张都能追溯到来源。微调将知识烘焙进权重，刷新更慢，归属也更难。
一条 RAG 流水线包含什么？
通常包含摄取与分块、嵌入、用于向量或混合检索的索引、一个检索器，以及一个生成步骤，该步骤将模型以检索到的段落为条件，并返回带引用的证据。