RAG是什么意思

RAG Retrieval-Augmented Generation

检索增强生成的缩写，这是一种将信息检索与生成模型相结合的技术，旨在提升大型预研模型LLM的生成质量和准确性。

RAG的工作原理

1.	检索（Retrieval）： 当用户提出查询时，系统首先从外部知识库中检索与查询相关的信息。这些知识库可以包含公司文档、新闻网站等多种数据源。 
2.	增强（Augmentation）： 将检索到的相关信息作为上下文，提供给生成模型，以增强其对特定领域或问题的理解。
3.	生成（Generation）： 生成模型根据提供的上下文和用户查询，生成更准确且信息丰富的回答。

RAG的优势

•	减少幻觉现象： 通过引用外部可靠信息，RAG 有助于减少模型生成不准确或虚构内容的情况。 
•	提供最新信息： 由于模型的训练数据可能存在时效性限制，RAG 允许模型在生成回答时引用最新的外部数据，确保信息的时效性。 
•	增强专业领域能力： 通过接入特定领域的知识库，RAG 使模型能够在专业领域提供更准确和相关的回答。

总的来说，RAG 技术通过结合信息检索和生成模型，提升了 AI 系统在处理复杂查询时的准确性和可靠性。

举个例子：
原本的AI助手回答问题方式，就好像闭卷考试。RAG就好像开卷考试。