Ordlista

Retrieval-augmented generation (RAG)

Vad är Retrieval-augmented generation (RAG)?

Retrieval-augmented generation kombinerar sökning med textgenerering: innan systemet svarar söker det i en kunskapssamling – som manualer, policyer eller vanliga frågor – efter relevanta avsnitt och skickar dem som sammanhang till språkmodellen. Svaret bygger därmed på aktuellt, företagsspecifikt innehåll i stället för enbart på modellens träningskunskap. Det minskar påhittade påståenden, gör källor spårbara och möjliggör uppdateringar utan omträning.

Så hjälper KI.ordo

Så fungerar KI.ordo-agenter just: de söker i den lagrade kunskapen med nyckelordssökning (BM25) och svarar med källhänvisningar.

Läs mer

Ämnen

RAG
kunskapssökning
språkmodeller

Prova KI.ordo

Agenter, flöden och mallar i en arbetsyta – gratis demo i 24 timmar.

Starta demo

← Alla begrepp

Relaterade begrepp

Retrieval-pipeline

En retrieval-pipeline är den sekvens av bearbetningssteg som ett system använder för att hitta rätt information för en fråga. Typiska steg är: inläsning och rensning av dokument, uppdelning i delar (chunks), uppbyggnad av ett sökindex, eventuell omskrivning av frågan, hämtning av träffar, rangordning (reranking) och överlämning av de bästa till språkmodellen. Den är grunden i varje RAG-applikation, och dess kvalitet avgör till stor del hur bra svaren blir.

RAG
sökning
+1

Hallucination

En hallucination är ett resultat från en AI-modell som låter övertygande men är felaktigt eller helt påhittat – som en domstolsdom som inte finns, en felaktig siffra eller en påhittad källa. Orsaken: språkmodeller producerar sannolika formuleringar; de slår inte automatiskt upp fakta. Risken minskar när svaren bygger på verifierade källor, belägg anges och människor kontrollerar viktiga resultat.

Språkmodeller
Tillförlitlighet
+1

Mall

Cache-augmented generation (CAG)

Cache-augmented generation (CAG) är ett tillvägagångssätt där en språkmodell inte söker efter kunskap vid varje fråga. I stället läses en hanterbar kunskapsbas in i dess kontextfönster i förväg och det tillståndet cachelagras, så att svaren inte kräver något separat hämtningssteg. Begreppet populariserades av en forskningsartikel från slutet av 2024 som ett alternativ till retrieval-augmented generation (RAG). CAG passar för små, stabila kunskapsbaser; för stora eller ofta föränderliga data är RAG oftast fortfarande mer praktiskt.

RAG
Kontextfönster
+1

Informationssökning (information retrieval)

Informationssökning omfattar metoder som hittar de dokument eller stycken i en stor textmängd som motsvarar en fråga och rangordnar dem efter relevans. Klassiska ansatser som BM25 viktar söktermer efter hur ofta och hur sällan de förekommer; nyare lägger till semantisk likhet. Den ligger till grund för sökmotorer, företagssök och retrieval-augmented generation, där en språkmodell använder de hämtade styckena som underlag för sitt svar.

Sökning
BM25
+1