Glossario

Valutazione dei documenti (RAG)

Che cos’è Valutazione dei documenti (RAG)?

Nel contesto della Retrieval-Augmented Generation (RAG), la valutazione dei documenti consiste nel verificare se i passaggi trovati sono pertinenti alla domanda e possono sostenere una risposta. Solo i passaggi giudicati rilevanti vengono passati al modello linguistico; quelli non adatti vengono scartati o avviano una nuova ricerca. Ciò riduce il rischio di risposte inventate o con fonti sbagliate, ad esempio quando per una domanda sui prezzi attuali emerge un documento superato.

Come aiuta KI.ordo

Gli agenti di KI.ordo rispondono citando le fonti e dicono apertamente quando non sanno qualcosa; le domande senza risultati compaiono in un elenco di lacune di conoscenza.

Scopri di più →

Temi

RAG
pertinenza
controllo qualità

Prova KI.ordo

Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.

Avvia demo

← Tutti i termini

Termini correlati

Retrieval-Augmented Generation (RAG)

La Retrieval-Augmented Generation unisce ricerca e generazione di testo: prima di rispondere, il sistema cerca in una raccolta di conoscenze, come manuali, linee guida o FAQ, i passaggi pertinenti e li fornisce al modello linguistico come contesto. La risposta si basa così su contenuti aziendali aggiornati e non solo sulle conoscenze apprese in addestramento. Questo riduce le affermazioni inventate, rende tracciabili le fonti e consente aggiornamenti senza nuovo addestramento.

RAG
ricerca nelle conoscenze
+1

Riordinamento dei documenti

Il riordinamento dei documenti (reranking) è una seconda fase di ordinamento nei sistemi di ricerca e RAG: una prima ricerca rapida restituisce una selezione di possibili risultati, che un metodo più preciso ma più oneroso riordina poi per pertinenza. Spesso se ne occupa un cosiddetto cross-encoder, che valuta insieme domanda e passaggio di testo. Così i passaggi più pertinenti finiscono in cima prima che un modello linguistico formuli la risposta.

ricerca
RAG
+1

Allucinazione

Si parla di allucinazione quando un modello di IA produce un output convincente ma errato o del tutto inventato, ad esempio una sentenza inesistente, un numero sbagliato o una fonte fittizia. La causa: i modelli linguistici generano formulazioni probabili, non consultano automaticamente i fatti. Il rischio diminuisce se le risposte si basano su fonti verificate, se vengono indicati i riferimenti e se le persone controllano i risultati importanti.

Modelli linguistici
Affidabilità
+1

Modello

Pipeline di retrieval

Una pipeline di retrieval è la sequenza di passaggi con cui un sistema trova le informazioni giuste per una domanda. Di solito comprende: importare e pulire i documenti, suddividerli in sezioni, creare un indice di ricerca, eventualmente riformulare la richiesta, cercare i risultati, ordinarli (reranking) e passare i migliori al modello linguistico. È la base di ogni applicazione RAG e la sua qualità determina in larga misura la bontà delle risposte.

RAG
ricerca
+1