Чим RAG відрізняється від Fine-tuning?

AIГлосарій

Що таке Retrieval-Augmented Generation (RAG)?

Пов'язані послуги

Retrieval-Augmented Generation (RAG) — це підхід у сфері штучного інтелекту, який поєднує можливості великих мовних моделей (LLM) з інформаційним пошуком. Це дозволяє генерувати точніші та актуальніші відповіді.

Що таке RAG?

Retrieval-Augmented Generation (RAG) — це архітектурний підхід для великих мовних моделей, який оптимізує вихідні дані шляхом звернення до зовнішньої бази знань перед генерацією відповіді. Це вирішує проблему галюцинацій та обмежень навчальних даних.

Як працює RAG?

Процес RAG складається з кількох етапів: спочатку система отримує запит користувача, потім виконує пошук (retrieval) у векторній базі даних або інших джерелах, щоб знайти релевантні фрагменти інформації. Після цього знайдений контекст додається до оригінального запиту і передається в мовну модель (LLM), яка генерує (generation) фінальну відповідь.

Сценарії використання

01Корпоративні чат-боти

Створення розумних асистентів, які можуть відповідати на питання співробітників, використовуючи внутрішню документацію компанії.

02Аналіз документів

Автоматичне вилучення інформації з великих обсягів юридичних або технічних документів без необхідності донавчання моделі.

/ Часті запитання

RAG не змінює саму модель, а лише додає контекст до запиту. Fine-tuning змінює ваги моделі на основі нових даних. RAG є дешевшим та простішим у налаштуванні для актуалізації знань.

/ Пов'язані терміни

LLM AI-агенти

Що таке Retrieval-Augmented Generation (RAG)?

/ Що таке Retrieval-Augmented Generation (RAG)?

Готові впровадити?

Ми допоможемо з впровадженням. 30-хвилинний аудит ваших процесів - безкоштовно.

Записатися на аудит