रिट्रीव्हल-ऑगमेंटेड जनरेशन (RAG) काय करते?

रिट्रीव्हल-ऑगमेंटेड जनरेशन (आरएजी) एखादा बाह्य ज्ञानस्रोत, जसे डॉक्युमेंट डेटाबेस किंवा वेब, शोधून वापरकर्त्याच्या प्रश्नाशी संबंधित उतारे शोधून काढते, आणि नंतर ते उतारे प्रश्नासोबत मॉडेलला पुरवते, जेणेकरून ते चालू माहितीवर आधारित उत्तर देईल. यामुळे मोठ्या भाषा मॉडेल्सची एक मुख्य कमकुवत बाजू दूर होते: त्यांचे ज्ञान प्रशिक्षण संपले त्या क्षणी गोठलेले असते, त्यामुळे शोध-सुविधेशिवाय त्यांना नंतर काय घडले हे कळू शकत नाही किंवा त्यांना कधीही प्रशिक्षित न केलेले खासगी दस्तावेज वापरता येत नाहीत.

प्रत्येक प्रश्नासाठी संपूर्ण मॉडेल पुन्हा प्रशिक्षित करणे प्रचंड खर्चिक ठरेल, मुळात प्रत्येक वेळी एआयची पुनर्बांधणी करण्यासारखे, आणि आरएजी अशा प्रकारे काम करत नाही. चुकीची उत्तरे दाखवल्यानंतर हटवणे हे कालबाह्य ज्ञानाची समस्या सोडवत नाही; ते प्रतिक्रियात्मक स्वच्छता आहे, आधीच चांगली उत्तरे देण्याची पद्धत नव्हे.

आरएजी विशिष्ट कंपन्यांसाठी सानुकूलित एआय सहाय्यक बनवण्यात लोकप्रिय झाले आहे, ज्यामुळे एक सर्वसाधारण-उद्देशीय मॉडेल स्वतःची स्वतंत्र मॉडेल प्रचंड खर्चात प्रशिक्षित न करता अंतर्गत दस्तावेजांबद्दलच्या प्रश्नांची उत्तरे देऊ शकते.