🎯 Geração Aumentada por Recuperação
Em poucas palavras
Retrieval-Augmented Generation (RAG), ou Geração Aumentada por Recuperação, é uma técnica que combina a capacidade de geração de texto de Grandes modelos de linguagem (LLMs) com a capacidade de recuperação de informações de fontes externas.
O objetivo principal do RAG é fornecer aos LLMs informações relevantes e atualizadas para melhorar a precisão, relevância e factualidade de suas respostas, reduzindo as “alucinações” (quando o LLM inventa fatos) e permitindo que ele acesse conhecimentos específicos que não estavam em seus dados de treinamento originais.
📝 Notas e Desenvolvimento
Geração de Recuperação Aumentada
Geração de Recuperação Aumentada
Retrieval-Augmented Generation (RAG), ou Geração Aumentada por Recuperação, é uma técnica que combina a capacidade de geração de texto de Grandes modelos de linguagem (LLMs) com a capacidade de recuperação de informações de fontes externas.
O objetivo principal do RAG é fornecer aos LLMs informações relevantes e atualizadas para melhorar a precisão, relevância e factualidade de suas respostas, reduzindo as “alucinações” (quando o LLM inventa fatos) e permitindo que ele acesse conhecimentos específicos que não estavam em seus dados de treinamento originais.
O RAG consiste em três componentes principais:
- Retrieval (Recuperação): Envolve a busca de informações relevantes em documentos para responder a uma pergunta. O sistema busca documentos relevantes na base de conhecimento.
- Augmentation (Aumento): Refere-se à melhoria das capacidades do modelo, inserindo informações encontradas como contexto no prompt do usuário.
- Generation (Geração): Refere-se à capacidade natural das LLMs de gerar um texto coerente.