Glosārijs

Ar izgūšanu papildināta ģenerēšana (RAG)

Kas ir Ar izgūšanu papildināta ģenerēšana (RAG)?

Ar izgūšanu papildināta ģenerēšana apvieno meklēšanu ar teksta ģenerēšanu: pirms atbildes sniegšanas sistēma zināšanu krājumā — piemēram, rokasgrāmatās, politikās vai BUJ — meklē atbilstošus fragmentus un nodod tos valodas modelim kā kontekstu. Tādējādi atbilde balstās uz aktuālu, uzņēmumam raksturīgu saturu, nevis tikai uz modeļa apmācības zināšanām. Tas samazina izdomātus apgalvojumus, padara avotus izsekojamus un ļauj atjaunināt bez atkārtotas apmācības.

Kā palīdz KI.ordo

Tieši tā darbojas KI.ordo aģenti: tie meklē saglabātajās zināšanās ar atslēgvārdu meklēšanu (BM25) un atbild ar avotu norādēm.

Uzzināt vairāk

Tēmas

RAG
zināšanu meklēšana
valodas modeļi

Izmēģiniet KI.ordo

Aģenti, plūsmas un veidnes vienā darbvietā – bezmaksas 24 stundu demo.

Sākt demo

← Visi termini

Saistītie termini

Izgūšanas konveijers

Izgūšanas konveijers ir apstrādes soļu secība, ko sistēma izmanto, lai atrastu pareizo informāciju jautājumam. Tipiski soļi ir: dokumentu ielāde un tīrīšana, sadalīšana fragmentos, meklēšanas indeksa izveide, pēc izvēles vaicājuma pārformulēšana, atbilstību izgūšana, to sakārtošana (pārrangēšana) un labāko nodošana valodas modelim. Tas ir katras RAG lietojumprogrammas pamats, un tā kvalitāte lielā mērā nosaka, cik labas ir iegūtās atbildes.

RAG
meklēšana
+1

Halucinācija

Halucinācija ir MI modeļa izvade, kas izklausās pārliecinoši, bet ir nepareiza vai pilnīgi izdomāta — piemēram, neesošs tiesas spriedums, nepareizs skaitlis vai izdomāts avots. Cēlonis: valodas modeļi rada ticamus formulējumus; tie automātiski nemeklē faktus. Risks samazinās, ja atbildes balstās uz pārbaudītiem avotiem, tiek norādīti pierādījumi un cilvēki pārbauda svarīgus rezultātus.

Valodas modeļi
Uzticamība
+1

Veidne

Kešatmiņā papildināta ģenerēšana (CAG)

Kešatmiņā papildināta ģenerēšana (cache-augmented generation, CAG) ir pieeja, kurā valodas modelis nemeklē zināšanas pie katra jautājuma. Tā vietā pārskatāma zināšanu bāze tiek iepriekš ielādēta tā konteksta logā un šis stāvoklis tiek saglabāts kešatmiņā, tāpēc atbildēm nav vajadzīgs atsevišķs izguves solis. Terminu popularizēja 2024. gada beigās publicēts pētījums kā alternatīvu izguvē papildinātai ģenerēšanai (RAG). CAG ir piemērota mazām, stabilām zināšanu bāzēm; lieliem vai bieži mainīgiem datiem RAG parasti joprojām ir praktiskāka.

RAG
Konteksta logs
+1

Informācijas izguve

Informācijas izguve aptver metodes, kas lielā tekstu apjomā atrod dokumentus vai fragmentus, kuri atbilst vaicājumam, un sakārto tos pēc atbilstības. Klasiskas pieejas, piemēram, BM25, meklēšanas terminiem piešķir svaru pēc tā, cik bieži un cik reti tie sastopami; jaunākas pievieno semantisko līdzību. Tā ir meklētājprogrammu, uzņēmuma meklēšanas un ar izguvi papildinātās ģenerēšanas pamatā, kurā valodas modelis izgūtos fragmentus izmanto kā atbildes pamatu.

Meklēšana
BM25
+1