English
Retrieval-augmented generation, or RAG, retrieves relevant documents from an external source and feeds them to a language model before it answers. This grounds the response in real, current information instead of relying only on what the model memorized during training.
Retrieval-augmented generation fetches relevant documents first and puts them in front of the model, so the answer is grounded in retrieved text rather than in whatever the model happened to memorise during training. It is the standard remedy for two problems at once: knowledge that is newer than the training cut-off, and hallucination. The retrieval step is where most RAG systems actually succeed or fail. A model cannot ground an answer in a document that was never fetched.
The assistant uses RAG over the company's internal documentation.
العربية
التوليد المعزَّز بالاسترجاع (RAG) يقوم باسترجاع مستندات ذات صلة من مصدر خارجي ثم يزوّد بها النموذج اللغوي قبل أن يجيب. يجعل هذا الإجابة مستندة إلى معلومات حقيقية وحديثة بدلاً من الاعتماد فقط على ما حفظه النموذج أثناء التدريب.
يجلب التوليد المعزَّز بالاسترجاع المستندات ذات الصلة أولاً ويضعها أمام النموذج، فتستند الإجابة إلى نصٍّ مُسترجَع لا إلى ما حفظه النموذج مصادفةً أثناء تدريبه. وهو العلاج المعتاد لمشكلتين معاً: معرفةٌ أحدث من تاريخ انتهاء التدريب، والهلوسة. وخطوة الاسترجاع هي التي تنجح فيها أنظمة RAG أو تفشل فعلياً، إذ لا يستطيع النموذج أن يُسند إجابةً إلى مستندٍ لم يُجلَب أصلاً.
يستعمل المساعد التوليد المعزَّز بالاسترجاع فوق الوثائق الداخلية للشركة.
Also known as
- RAG
- retrieval augmented generation
- RAG
Also seen as, but not recommended
- الاسترجاع المعزز بالتوليد
- راغ
Why this form: «الاسترجاع المعزز بالتوليد» inverts the relationship: it is generation that is augmented by retrieval, not the other way round.
First use
2020 · Named in "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks" (Lewis et al., Meta AI).
Source