Wat betekent Retrieval Augmented Generation?
Retrieval Augmented Generation (RAG) combineert het zoeken naar informatie met het antwoord van een taalmodel. Eerst zoekt de toepassing naar inhoud die bij de vraag past. Daarna krijgt het model die inhoud als context voor zijn antwoord. Zo kan bijvoorbeeld goedgekeurde bedrijfskennis worden meegenomen.
EEN VOORBEELD UIT DE PRAKTIJK
Waar je de term tegenkomt
Je team vraagt hoe een product moet worden ingesteld. De toepassing zoekt de relevante passages in de actuele handleiding en formuleert op basis daarvan een antwoord met verwijzingen. Iemand kan de gebruikte passages direct nalezen.
Waarom is dit relevant voor jouw bedrijf?
Je kunt actuele informatie gebruiken zonder een model bij elke wijziging opnieuw te trainen. Goede resultaten vereisen geschikte bronnen en een passende zoekfunctie.
Voorkomt RAG elk onjuist antwoord?
Nee. De zoekfunctie kan irrelevante passages vinden en het taalmodel kan informatie verkeerd combineren. Controleer daarom het zoeken en het antwoord afzonderlijk. Een kennisassistent moet ontbrekende bronnen duidelijk aangeven.
Veelgestelde vragen
Moeten mijn gegevens hiervoor in de modeltraining worden opgenomen?
Bij RAG worden relevante gegevens aan de betreffende aanvraag meegegeven. Dat is iets anders dan training. Je moet daarnaast nagaan hoe de gebruikte dienst invoer verwerkt en opslaat.
Welke documenten zijn geschikt?
Bijvoorbeeld gecontroleerde handleidingen, productinformatie en interne instructies. Verouderde versies, tegenstrijdige inhoud en slechte scans moeten vooraf worden opgeschoond.
Waar je op moet letten
- Houd documenten actueel en traceerbaar.
- Houd bij het zoeken al rekening met toegangsrechten.
- Toon bronnen en test antwoorden met testvragen.
Meer informatie
Uit NetzTurm Decode. Duidelijke uitleg voor jouw bedrijf.