Retrieval-Augmented Generation
検索拡張生成外部の知識ベースから質問に関連する情報を検索し、その情報を生成モデルの入力へ加えて回答を作る方式です。モデルの再学習ではなく、回答時の検索で参照する情報を追加する点が特徴です。
複数資料で一致大規模言語モデルだけでは、学習後に更新された情報や組織内の文書をそのまま参照できません。RAGは、回答時に外部の知識を検索して入力へ加えることで、再学習とは別の方法で参照情報を補う設計として研究・実装されました。 外部データを更新すればモデルを再学習せずに参照先を変えられるため、社内文書や変化する情報を扱うアプリに向きます。ただし検索結果の質、権限、引用、プロンプトの構成が悪いと正確な回答は保証されません。 現在は、社内検索、問い合わせ対応、文書要約、専門知識を扱う生成AIアプリで使われます。実装では、データ分割、検索、再ランキング、権限フィルタ、引用、評価を分けて検証し、ファインチューニングとは区別します。