الاسترجاع المعزز للجيل (RAG)

تعريف

التوليد المُعزَّز بالاسترجاع (RAG) هو تقنية تجمع بين النماذج التوليدية وأنظمة استرجاع المعلومات. تعتمد هذه التقنية على مصادر خارجية لتحسين دقة البيانات.

الهدف

الهدف هو تقليل الهلوسة في الذكاء الاصطناعي التوليدي من خلال تعزيز الاستجابات بالوثائق المسترجعة. وهو مفيد بشكل خاص في الإجابة على الأسئلة والمهام التي تتطلب معرفة مكثفة.

أهمية

• تحسين الدقة الواقعية في مخرجات LLM.
• تمكين تكامل المعرفة الخاصة بالمجال.
• يتطلب أنظمة استرجاع موثوقة.
• متعلق بالبحث الهجين وضمان الجودة في المجال المفتوح.

كيف تعمل هذه التقنية؟

1. يقدم المستخدم استعلامًا أو مطالبة.
2. يقوم نظام الاسترجاع بجلب المستندات ذات الصلة.
3. يتم تمرير المستندات إلى نموذج توليدي.
4. يقوم النموذج بإنشاء استجابات مبنية على المحتوى المسترجع.
5. تعمل حلقات التغذية الراجعة على تحسين الأداء المستقبلي.

أمثلة (العالم الحقيقي)

• OpenAI ChatGPT مع مكونات إضافية للتصفح أو الاسترجاع.
• نموذج Meta RAG: بحث حول برامج الماجستير في القانون القائمة على الاسترجاع.
• الذكاء الاصطناعي المحير: البحث المحادثة المعزز بالاسترجاع.

المراجع / قراءات إضافية

• لويس وآخرون. "التوليد المُعزَّز بالاسترجاع لمعالجة اللغة الطبيعية كثيفة المعرفة". NeurIPS 2020.
• تنفيذ RAG للوجه المعانق.
• أبحاث ستانفورد HAI حول طرق الاسترجاع.
• ما هو RAFT؟ RAG + الضبط الدقيق