மீட்டெடுப்பு வலுவூட்டிய உருவாக்கம் (RAG) என்ன செய்கிறது?

Retrieval-Augmented Generation ஒரு பயனரின் கேள்விக்கு தொடர்புடைய பத்திகளுக்காக ஒரு ஆவண தரவுத்தளம் அல்லது இணையம் போன்ற வெளிப்புற அறிவு மூலத்தை தேடுகிறது, பின்னர் அந்த பத்திகளை கேள்வியுடன் சேர்த்து மாதிரிக்கு அளிக்கிறது, இதனால் அது தற்போதைய தகவலின் அடிப்படையில் பதிலளிக்கிறது. இது பெரிய மொழி மாதிரிகளின் ஒரு முக்கிய பலவீனத்தை நிவர்த்தி செய்கிறது: அவற்றின் அறிவு பயிற்சி முடிந்த எந்த புள்ளியிலும் உறைந்துவிடும், எனவே மீட்பு இல்லாமல் அவற்றால் அதன் பிறகு என்ன நடந்தது என்பதை அறியவோ, அவை ஒருபோதும் பயிற்சி பெறாத தனியார் ஆவணங்களை அணுகவோ முடியாது.

ஒவ்வொரு கேள்விக்கும் முழு மாதிரியையும் மறுபயிற்சி செய்வது மிகவும் விலை உயர்ந்ததாக இருக்கும், அடிப்படையில் ஒவ்வொரு முறையும் AI-ஐ புதிதாக மறுகட்டமைப்பது, இது RAG எப்படி செயல்படுகிறது என்பது அல்ல. காட்டப்பட்ட பிறகு தவறான பதில்களை நீக்குவது காலாவதியான அறிவை நிவர்த்தி செய்யாது; இது எதிர்வினை சுத்தம், முன்கூட்டியே சிறந்த பதில்கள் அல்ல.

RAG குறிப்பிட்ட நிறுவனங்களுக்கு ஏற்றவாறு தனிப்பயனாக்கப்பட்ட AI உதவியாளர்களை உருவாக்குவதற்கு பிரபலமாகியுள்ளது, புதிதாக ஒரு தனிப்பயன் மாதிரியை பயிற்சி அளிப்பதற்கான மகத்தான செலவின்றி, உள் ஆவணங்கள் பற்றிய கேள்விகளுக்கு பொது-நோக்க மாதிரி பதிலளிக்க அனுமதிக்கிறது.