Чем RAG отличается от Fine-tuning?

AIГлоссарий

Что такое Retrieval-Augmented Generation (RAG)?

Связанные услуги

Retrieval-Augmented Generation (RAG) — это подход в области искусственного интеллекта, который объединяет возможности больших языковых моделей (LLM) с информационным поиском, что позволяет генерировать более точные и актуальные ответы.

Что такое RAG?

Retrieval-Augmented Generation (RAG) — это архитектурный подход для больших языковых моделей, который оптимизирует вывод путем обращения к внешней базе знаний перед генерацией ответа. Это решает проблему галлюцинаций и ограничений статических обучающих данных.

Как работает RAG?

Процесс RAG состоит из нескольких этапов: сначала система получает запрос пользователя, затем выполняет поиск (retrieval) в векторной базе данных для нахождения релевантных фрагментов информации. После этого найденный контекст добавляется к оригинальному запросу и передается в языковую модель, которая генерирует (generation) финальный ответ.

Сценарии использования

01Корпоративные чат-боты

Создание умных ассистентов, которые могут отвечать на вопросы сотрудников, используя внутреннюю документацию компании.

02Анализ документов

Автоматическое извлечение информации из больших объемов юридических или технических документов без необходимости дообучения модели.

/ Частые вопросы

RAG не меняет саму модель, а лишь добавляет контекст к запросу. Fine-tuning изменяет веса модели на основе новых данных. RAG дешевле и проще в настройке для поддержания актуальности знаний.

/ Связанные термины

LLM AI-агенты

Что такое Retrieval-Augmented Generation (RAG)?

/ Что такое Retrieval-Augmented Generation (RAG)?

Готовы внедрить?

Мы поможем с внедрением. 30-минутный аудит ваших процессов - бесплатно.

Записаться на аудит