Share
Sign In
Recuperación de generación aumentada (RAG): Enriquecimiento de modelos de lenguaje con conocimiento externo
Retrieval Augmented Generation (RAG) es un modelo de lenguaje que aprovecha información externa, como Internet o bases de datos, para responder preguntas complejas. Este modelo es especialmente útil para verificar hechos o responder preguntas de sentido común. Este es un campo que recientemente recibió la mayor atención en diciembre de 2023. Este es un método que surgió del anuncio de LLaMA2 por parte de Meta y la publicación activa de artículos sobre LLM.
Cómo funciona RAG
•
Procesamiento de Entradas: Recibir dudas o consultas de los usuarios.
•
Búsqueda de Información: Encuentre información relevante en Internet o en bases de datos como Wikipedia.
•
Contextualizar: conecta la información que encuentres con tu pregunta.
•
Generación de respuestas: genera respuestas precisas basadas en información vinculada.
Ejemplo real
El modelo RAG encuentra los últimos artículos o artículos y genera una respuesta basada en su contenido.
Las ventajas de RAG son evidentes. Esto se debe a que es una forma de superar las limitaciones del modelo del lenguaje llamado alucinación. La recuperación de generación aumentada (RAG) es un avance importante en el campo de los modelos de lenguaje, que es muy útil en una variedad de campos intensivos en conocimiento. Esta tecnología, que puede aprovechar la información externa para proporcionar respuestas actualizadas y precisas, es una herramienta poderosa, especialmente en situaciones donde la verificación de hechos es fundamental.
•
Coherencia fáctica: proporcione respuestas más precisas utilizando información actualizada.
•
Adaptabilidad: cuando la información cambia, el modelo genera respuestas que se ajustan a la situación más reciente sin tener que volver a entrenar el modelo.
•
Usos versátiles: se utiliza en una variedad de campos que requieren conocimiento, incluida la respuesta a preguntas y la verificación de hechos.
Con el lanzamiento de GPT, proporciona una interfaz que facilita el uso del método RAG. Los ejemplos incluyen chatbots de servicios financieros, comercio electrónico, atención médica y centros de llamadas: RAG se utiliza en estos campos para recuperar datos de clientes, crear descripciones de productos utilizando información actualizada del catálogo, proporcionar información de registros de pacientes y brindar soporte personalizado.
Servicios realmente utilizados
•
Azure Machine Learning : habilite RAG a través del estudio y el SDK de Azure Cognitive Services, y proporcione modelos prediseñados como BART-RAG.
•
ChatGPT : OpenAI ha lanzado un complemento de búsqueda que agrega conocimiento externo relevante a las respuestas de ChatGPT. Actualmente está disponible en una versión beta limitada.
•
IA constitucional de Anthropic : proporciona fundamentos para las respuestas generadas mediante un módulo de búsqueda aprendida. Nos centramos en la transparencia.
¿Qué pasa si se aplica RAG al mensaje?
•
Análisis de preguntas: analice las preguntas de los usuarios e identifique palabras clave o conceptos que se ajusten a ellas.
•
Búsqueda de información: utilice la función de búsqueda de RAG para buscar conocimientos o datos relevantes. Por ejemplo, puede encontrar las últimas investigaciones o información estadística sobre un tema específico.
•
Genere mensajes contextualizados: cree mensajes relacionados con su pregunta en función de la información encontrada. En este momento, preparamos respuestas más contextuales y objetivas a las preguntas del usuario, incluida la información recuperada.
•
Generación de respuestas: ingrese indicaciones preparadas en un modelo de lenguaje para generar respuestas basadas en la información recuperada.
Ejemplo
"최근에 발견된 외계 행성에 대해 설명해주세요."1.
Recuperación de información: el sistema RAG busca los últimos trabajos de investigación, artículos de noticias, páginas de Wikipedia, etc. sobre "exoplanetas recientemente descubiertos".
2.
Genere mensajes contextualizados: cree mensajes basados en la información recuperada. Por ejemplo, podría crear un mensaje como: "¿Cuáles son las características del exoplaneta TRAPPIST-1 recientemente descubierto y por qué es un descubrimiento importante?"
3.
Generar respuesta: ingrese este mensaje en un modelo de lenguaje para generar una respuesta que detalle TRAPPIST-1 y su significado.
ⓒ 2023. Haebom, todos los derechos reservados.
Se indica la fuente y puede utilizarse con fines comerciales con el permiso del titular de los derechos de autor.
