Vad är retrieval-augmented generation (RAG)?
Retrieval-augmented generation (RAG) är en teknik där en AI hämtar relevant information från en extern källa och använder den för att generera ett mer träffsäkert, aktuellt svar, i stället för att bara lita på det modellen memorerat.
En språkmodell svarar på egen hand utifrån vad den lärde sig under träningen, vilket kan vara föråldrat eller generiskt. RAG lägger till ett hämtningssteg: systemet hittar relevant, aktuell information, från webben, en kunskapsbas eller din egen data, och matar modellen med den så att svaret vilar på riktiga källor.
RAG är hur modern AI-sökning och moderna assistenter håller sig träffsäkra och aktuella. Det ligger också under generativa sökmotorer, som hämtar och citerar källor när de svarar.
så funkar det i folk
Folk använder hämtning för att förankra sina svar i verklig, aktuell information, genom att surfa på den levande webben på sin egen dator och hämta från ditt personliga minne, så att svaren passar din faktiska kontext, inte bara modellens träning.
vanliga frågor
Varför är RAG användbart?
Det gör AI-svar träffsäkra och aktuella genom att förankra dem i hämtade källor, och låter en assistent använda din egen data eller den levande webben i stället för att bara lita på det modellen memorerat.
Hur använder folk hämtning?
Folk surfar på den levande webben på sin egen molndator och hämtar från ditt bestående minne, så att svar och handlingar speglar aktuell information och din personliga kontext.