تولید تقویت‌شده با بازیابی (RAG)
Retrieval-Augmented Generation (RAG)
تعریف کوتاه
روشی که مدل زبانی را به منابع داده بیرونی وصل می‌کند تا پاسخ‌ها بر پایه اطلاعات واقعی و به‌روز تولید شوند.
تولید تقویت‌شده با بازیابی یا RAG مثل این است که به مدل زبانی، یک کتابخانه شخصی بدهید: پیش از پاسخ‌دادن، اسناد مرتبط را پیدا می‌کند، آن‌ها را می‌خواند و جواب را بر اساس همین منابع می‌سازد. این روش دو مشکل اصلی مدل‌ها — قدیمی‌بودن دانش و توهم‌زدایی — را تا حد زیادی کاهش می‌دهد.
کاربرد رایج RAG ساخت «دستیار دانش سازمانی» است: همه مستندات را ایندکس می‌کنید و کارکنان به‌جای جست‌وجوی طولانی، سؤال می‌پرسند و پاسخ مستند می‌گیرند. کلید موفقیت در این روش، کیفیت تعبیه‌ها و تقسیم‌بندی درست اسناد است.
واژه‌های مرتبط
مدل زبانی بزرگ
مدل هوش مصنوعی که روی حجم عظیمی از متن آموزش دیده و می‌تواند متن بنویسد، خلاصه کند، ترجمه کند و کد تولید کند.
تعبیه‌ها (Embeddings)
بردارهای عددی که معنای واژه‌ها و متن‌ها را به زبان ریاضی بیان می‌کنند و پایه جست‌وجوی معنایی‌اند.
توهم مدل
تولید اطلاعات نادرست اما با ظاهر کاملاً معتبر توسط مدل‌های هوش مصنوعی.