Mi az a RAG?
A modell saját tanítási adatai helyett külső dokumentumokra is támaszkodhat.
A lényeg
A retrieval-augmented generation (RAG) olyan megközelítés, amelyben a rendszer egy kérdéshez releváns külső tartalmat keres, majd azt a modell bemenetéhez adja. Ez hasznos lehet friss, belső vagy speciális információknál. A keresés és a generálás külön hibaforrás: a rossz találat vagy hibás értelmezés megbízhatatlan választ adhat.
A RAG a generálás előtt külső forrásrészleteket gyűjthet be, például belső dokumentumokból. Nem tanítja újra automatikusan a modellt, és a megtalált dokumentumok is lehetnek hibásak.
Egy belső kézikönyvre épülő asszisztens a megfelelő bekezdést keresi meg, és abból válaszol.
A RAG nem garancia a valósághűségre, és a forráshoz való jogosultságot sem oldja meg önmagában.
Próbáld ki!
Rajzold fel: kérdés → keresés → forrásrészlet → modell → ellenőrzött válasz.
Szánj erre 1–2 percet. A saját megoldás többet ér, mint a kész válasz olvasása. Nem kell AI-fiók a feladathoz.
Mondd el saját szavaiddal a lecke lényegét. Hogyan magyaráznád el valakinek, miért téves a fent bemutatott félreértés? Hozz még egy saját példát!
Saját jegyzeted (automatikus helyi mentés)
Ellenőrizd a tudásod
Helyes válasz: Külső információ visszakeresése a válaszgenerálás támogatására. A retrieval-augmented generation (RAG) olyan megközelítés, amelyben a rendszer egy kérdéshez releváns külső tartalmat keres, majd azt a modell bemenetéhez adja. A RAG nem garancia a valósághűségre, és a forráshoz való jogosultságot sem oldja meg önmagában.
Források és továbbolvasás
A magyarázatok ismeretterjesztő összefoglalók. A hivatkozások modulonkénti szakmai háttéranyagok, nem mondatonkénti, elsődleges bizonyítékok. Kétség esetén ellenőrizd az eredeti dokumentumot.