Višekoračno zaključivanje sposobnost je UI sustava da odgovori na pitanje kroz nekoliko uzastopnih zaključaka, često kombinirajući informacije iz različitih izvora. Primjer: „Koji odjel vodi osoba odgovorna za projekt X?“ najprije zahtijeva utvrđivanje odgovorne osobe, a zatim njezina odjela. Takva su pitanja zahtjevna za sustave pretraživanja i RAG jer se svaki međukorak mora pronaći i ispravno povezati.
Agenti, tijekovi rada i predlošci u jednom radnom prostoru – besplatna demo verzija na 24 sata.
Pokrenite demoGeneriranje potpomognuto dohvaćanjem povezuje pretraživanje i generiranje teksta: prije odgovaranja sustav u zbirci znanja – primjerice priručnicima, pravilnicima ili čestim pitanjima – traži relevantne odlomke i prosljeđuje ih jezičnom modelu kao kontekst. Odgovor se tako temelji na aktualnom sadržaju specifičnom za tvrtku, a ne samo na znanju stečenom treniranjem modela. To smanjuje izmišljene tvrdnje, omogućuje praćenje izvora i dopušta ažuriranja bez ponovnog treniranja.
Odgovaranje na pitanja (question answering, QA) područje je obrade prirodnog jezika u kojem sustav izravno odgovara na pitanja postavljena svakodnevnim jezikom, umjesto da vraća popis rezultata pretraživanja. Moderni sustavi traže relevantne odlomke u bazi znanja i iz njih sastavljaju odgovor, idealno s navođenjem izvora. Tipične primjene su korisnička podrška, interne baze znanja i priručnici – primjerice pitanje priručniku za zaposlenike: „Koliko dana godišnjeg odmora imam u prvoj godini?”
LazyGraphRAG je pristup generiranju potpomognutom dohvaćanjem temeljenom na grafovima koji je 2024. predstavio Microsoft Research. Za razliku od GraphRAG-a, ne traži od jezičnog modela da pri indeksiranju izrađuje sažetke; umjesto toga pojmove i njihova zajednička pojavljivanja prepoznaje klasičnom obradom prirodnog jezika, a jezični se model koristi tek u trenutku upita. Prema Microsoftu to snižava troškove indeksiranja na razinu osnovnog vektorskog RAG-a. Posebno je prikladan za pitanja koja zahtijevaju pregled velikih zbirki dokumenata.
Povezivanje modela u lanac znači da se više UI modela ili UI koraka povezuje slijedno, tako da izlaz jednog koraka postaje ulaz sljedećeg. Složeni zadaci tako se mogu razložiti na lakše podzadatke koji se mogu pojedinačno provjeravati i poboljšavati. Primjer: prvi korak sažima upit klijenta, drugi ga dodjeljuje odjelu, a treći sastavlja odgovor.
