रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) क्या करता है?

रिट्रीवल-ऑगमेंटेड जनरेशन किसी उपयोगकर्ता के सवाल से जुड़े हिस्सों की तलाश किसी बाहरी ज्ञान-स्रोत में करता है, जैसे कोई दस्तावेज़ डेटाबेस या वेब, फिर उन हिस्सों को सवाल के साथ मॉडल में डाल देता है ताकि वह मौजूदा जानकारी पर टिककर जवाब दे। यह बड़े भाषा मॉडल की एक बुनियादी कमज़ोरी को दूर करता है: उनका ज्ञान प्रशिक्षण ख़त्म होने के समय पर जमकर रुक जाता है, इसलिए बिना रिट्रीवल के वे यह नहीं जान सकते कि उसके बाद क्या हुआ या उन निजी दस्तावेज़ों तक नहीं पहुँच सकते जिन पर उन्हें कभी प्रशिक्षित ही नहीं किया गया।

हर सवाल पर पूरे मॉडल को फिर से प्रशिक्षित करना बेहद महंगा होगा, मूलतः हर बार AI को शुरू से फिर से बनाने जैसा, जो RAG के काम करने का तरीक़ा नहीं है। ग़लत जवाब दिखाए जाने के बाद उन्हें मिटा देना पुराने ज्ञान की समस्या को हल नहीं करता; यह प्रतिक्रियात्मक सफ़ाई है, पहले से बेहतर जवाब नहीं।

RAG विशेष कंपनियों के लिए तैयार किए गए AI सहायक बनाने के लिए लोकप्रिय हो गया है, जिससे एक सामान्य-प्रयोजन मॉडल आंतरिक दस्तावेज़ों के बारे में सवालों के जवाब दे सकता है, बिना शुरू से एक कस्टम मॉडल प्रशिक्षित करने की भारी लागत के।