రిట్రీవల్-ఆగ్మెంటెడ్ జనరేషన్ (RAG) ఏం చేస్తుంది?

రిట్రీవల్-ఆగ్మెంటెడ్ జనరేషన్ ఒక వినియోగదారుడి ప్రశ్నకు సంబంధించిన భాగాల కోసం డాక్యుమెంట్ డేటాబేస్ లేదా వెబ్ వంటి బాహ్య జ్ఞాన మూలాన్ని శోధిస్తుంది, తర్వాత ఆ భాగాలను ప్రశ్నతో పాటు మోడల్‌కు అందిస్తుంది, తద్వారా ఇది తాజా సమాచారంపై ఆధారపడిన సమాధానం ఇస్తుంది. ఇది పెద్ద భాషా మోడళ్ల యొక్క ఒక ప్రధాన బలహీనతను పరిష్కరిస్తుంది: వాటి జ్ఞానం శిక్షణ ఎప్పుడు ముగిసిందో ఆ సమయంలో స్తంభించిపోతుంది, కాబట్టి రిట్రీవల్ లేకుండా అవి తర్వాత ఏమి జరిగిందో తెలుసుకోలేవు లేదా అవి ఎప్పుడూ శిక్షణ పొందని ప్రైవేట్ డాక్యుమెంట్‌లను యాక్సెస్ చేయలేవు.

ప్రతి ప్రశ్నపై మొత్తం మోడల్‌ను తిరిగి శిక్షణ ఇవ్వడం అపారంగా ఖరీదైనది, ప్రతిసారీ AIని మొదటి నుంచి పునర్నిర్మించడం లాంటిది, RAG ఇలా పనిచేయదు. తప్పు సమాధానాలు చూపిన తర్వాత వాటిని తొలగించడం పాత జ్ఞానాన్ని పరిష్కరించదు; ఇది ముందుగానే మెరుగైన సమాధానాలు కాకుండా, ప్రతిస్పందనగా చేసే శుభ్రపరచడం మాత్రమే.

నిర్దిష్ట కంపెనీలకు అనుకూలంగా రూపొందించిన AI సహాయకులను నిర్మించడానికి RAG జనాదరణ పొందింది, మొదటి నుంచి ఒక కస్టమ్ మోడల్‌కు శిక్షణ ఇవ్వడానికి అయ్యే అపారమైన ఖర్చు లేకుండా ఒక సాధారణ-ప్రయోజన మోడల్ అంతర్గత డాక్యుమెంట్ల గురించి ప్రశ్నలకు సమాధానం ఇవ్వడానికి వీలు కల్పిస్తుంది.