Hvad er retrieval-augmented generation (RAG)?
Retrieval-augmented generation (RAG) er en teknik, hvor en AI henter relevant information fra en ekstern kilde og bruger den til at generere et mere præcist, opdateret svar i stedet for kun at stole på, hvad modellen har lært udenad.
En sprogmodel svarer på egen hånd ud fra det, den lærte under træningen, og det kan være forældet eller generisk. RAG tilføjer et retrieval-trin: systemet finder relevant, aktuel information, fra nettet, en vidensbase eller dine egne data, og giver det til modellen, så svaret er forankret i rigtige kilder.
RAG er måden, moderne AI-søgning og assistenter holder sig præcise og opdaterede på. Det ligger også bag generative søgemaskiner, som henter og citerer kilder, når de svarer.
hvordan det fungerer i folk
Folk bruger retrieval til at forankre sine svar i reel, aktuel information, browser live på nettet på sin egen computer og trækker fra din personlige hukommelse, så svarene passer til din faktiske kontekst, ikke bare modellens træning.
ofte stillede
Hvorfor er RAG nyttigt?
Det gør AI-svar præcise og opdaterede ved at forankre dem i hentede kilder, og lader en assistent bruge dine egne data eller det live web i stedet for kun at stole på, hvad modellen har memoreret.
Hvordan bruger folk retrieval?
Folk browser det live web på sin egen cloud-computer og henter fra din vedvarende hukommelse, så dens svar og handlinger afspejler aktuel information og din personlige kontekst.