Hva er retrieval-augmented generation (RAG)?
Retrieval-augmented generation (RAG) er en teknikk der en AI henter relevant informasjon fra en ekstern kilde og bruker den til å generere et mer nøyaktig og oppdatert svar, i stedet for å stole bare på det modellen har memorert.
En språkmodell svarer på egen hånd ut fra det den lærte under treningen, og det kan være utdatert eller generisk. RAG legger til et søkesteg: systemet finner relevant, oppdatert informasjon, fra nettet, en kunnskapsbase eller dine egne data, og gir det til modellen, sånn at svaret er forankret i ekte kilder.
RAG er hvordan moderne AI-søk og assistenter holder seg nøyaktige og oppdaterte. Det ligger også til grunn for generative søkemotorer, som henter og siterer kilder når de svarer.
hvordan dette funker i folk
Folk bruker gjenfinning for å forankre svarene sine i reell, oppdatert informasjon, ved å surfe på det levende nettet på sin egen datamaskin og hente fra din personlige hukommelse, slik at svarene passer din faktiske kontekst, ikke bare modellens trening.
ofte stilte spørsmål
Hvorfor er RAG nyttig?
Det gjør AI-svar nøyaktige og oppdaterte ved å forankre dem i hentede kilder, og lar en assistent bruke dine egne data eller nettet i sanntid i stedet for å stole bare på det modellen har memorert.
Hvordan bruker folk gjenfinning?
Folk surfer på det levende nettet på sin egen datamaskin i skyen og henter fra din vedvarende hukommelse, så svarene og handlingene gjenspeiler oppdatert informasjon og din personlige kontekst.