SKRÓTOWIEC
RAG
Retrieval-augmented generation: model dostaje przed odpowiedzią materiały znalezione w bazie wiedzy. Czat z otwartą książką — nadal trzeba sprawdzić, czy otworzył właściwą stronę.
po ludzku: czat z podłożonymi dokumentami
Podaj dalej
Powiązane hasła
a study delved intoZnacznik tekstu z czata: badanie się „zagłębiło”, raport „rzucił światło”, a wyniki „podkreślają złożoność”. Czytelnik boli od pierwszego zdania i od razu wie, kto pisał.
AI psychosisStan zarządu po pierwszym udanym demo czatu: przekonanie, że model zrobi pracę zespołu, a zespół jest już tylko kosztem. Objawy to wykres sprawdzany co godzinę i pytanie „a czemu tego jeszcze nie…
angielski zaawansowanyDeklaracja poziomu językowego. Weryfikowana zwykle na rozmowie jednym pytaniem po angielsku, na które odpowiada się przygotowanym zdaniem.
bot na botaRekrutacja, w której CV pisze czat kandydata, a odrzuca czat pracodawcy. Człowiek jest w procesie potrzebny tylko do tego, żeby przeczytać odmowę, też wygenerowaną.
brief wygenerowany modelemWytyczne do projektu napisane przez model językowy na podstawie kilku zdań zleceniodawcy. Wygląda na komplet wymagań, brzmi pewnie i zwykle opisuje coś, czego klient nie chciał.
Czad GPTCzat GPT w wymowie spolszczonej do końca, używanej, gdy ktoś wkleił jego odpowiedź bez sprawdzenia. Brzmi jak imię kolegi z działu, który zawsze wie wszystko i zawsze się myli z pewnością siebie.
Pytania i odpowiedzi
Co znaczy RAG w AI?
RAG to skrót od retrieval-augmented generation, czyli generowania wspomaganego wyszukiwaniem. System najpierw znajduje materiały pasujące do pytania, a następnie przekazuje je modelowi jako kontekst odpowiedzi. Przykład: firmowy czat odpowiada na podstawie aktualnej instrukcji produktu.
Czym jest architektura RAG?
Architektura RAG łączy wyszukiwanie informacji z modelem generującym odpowiedź. Dokumenty są przygotowywane do wyszukiwania, system wybiera pasujące fragmenty, a model korzysta z nich przy formułowaniu odpowiedzi. Istotne są jakość źródeł, trafność wyszukiwania i kontrola dostępu do dokumentów.
Czym RAG różni się od fine-tuningu?
RAG dostarcza modelowi materiały podczas odpowiadania, bez zmieniania jego wag. Fine-tuning zmienia parametry modelu przez dodatkowy trening. To różne mechanizmy, które można łączyć; dodanie nowego dokumentu do bazy RAG nie jest samo w sobie trenowaniem modelu.
Czy RAG eliminuje halucynacje AI?
Nie. Model może otrzymać nietrafny lub nieaktualny fragment, źle go zinterpretować albo dodać niepoparte szczegóły. RAG ułatwia oparcie odpowiedzi na źródłach, ale nadal trzeba sprawdzić, czy przywołany dokument rzeczywiście potwierdza odpowiedź.