Kas ir retrieval-augmented generation (RAG)?
Retrieval-augmented generation (RAG) ir metode, kur AI izgūst attiecīgo informāciju no ārēja avota un izmanto to, lai ģenerētu precīzāku, aktuālāku atbildi - tā vietā, lai paļautos tikai uz to, ko modelis ir iegaumējis.
Valodas modelis pats par sevi atbild no tā, ko iemācījās apmācības laikā, un tas var būt novecojis vai vispārīgs. RAG pievieno izgūšanas soli: sistēma atrod atbilstošu, aktuālu informāciju, no tīmekļa, zināšanu bāzes vai taviem datiem, un padod to modelim, lai atbilde balstītos reālos avotos.
RAG ir veids, kā modernā AI meklēšana un asistenti saglabājas precīzi un aktuāli. Tas arī ir pamatā ģeneratīvajām meklētājprogrammām, kas, atbildot, izgūst un citē avotus.
kā tas darbojas folk
Folk izmanto retrieval, lai pamatotu savas atbildes ar reālu, aktuālu informāciju, pārlūkojot tiešsaistes tīmekli savā datorā un smeļoties no tavas personīgās atmiņas, tāpēc atbildes atbilst tavam faktiskajam kontekstam, nevis tikai modeļa apmācībai.
biežāk uzdotie
Kāpēc RAG ir noderīgs?
Tas padara AI atbildes precīzas un aktuālas, balstot tās iegūtos avotos, un ļauj asistentam izmantot tavus datus vai tiešsaistes tīmekli, nevis paļauties tikai uz to, ko modelis ir iegaumējis.
Kā folk izmanto izgūšanu?
Folk pārlūko aktuālo tīmekli savā mākoņdatorā un izgūst no tavas pastāvīgās atmiņas, tāpēc tā atbildes un darbības atspoguļo aktuālo informāciju un tavu personīgo kontekstu.