« Génération augmentée d'information applicative (GAIA) » : différence entre les versions
Aucun résumé des modifications Balise : Révocation manuelle |
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
||
Ligne 30 : | Ligne 30 : | ||
'''RAG''' | '''RAG''' | ||
==Sources== | |||
[https://research.ibm.com/blog/retrieval-augmented-generation-RAG Source : research.ibm.com] | [https://research.ibm.com/blog/retrieval-augmented-generation-RAG Source : research.ibm.com] |
Version du 27 janvier 2024 à 22:47
Définition
Méthode d'adaptation, peaufinage des résultats d'un grand modèle de langues par enrichissement des requêtes avec des sources d'informations externes et à jour afin de générer des résultats plus précis et plus utiles.
Compléments
On ne touche pas au grand modèle de langues, mais on enrichit les requêtes en encodant les données d’entrée avec des vecteurs contextuels compacts (embeddings) du domaine d’application. Ces vecteurs contextuels compacts proviennent d'une base de données vectorielles.
Ici, on ne modifie pas le modèle de langues, mais on ajoute un contexte supplémentaire à la requête permettant au grand modèle de langues de répondre aux questions avec des informations sur le sujet.
Lorsqu'un utilisateur fait une requête, celle-ci est enrichie à l'aide de vecteurs contextuels compacts similaires retrouvées dans la base de données vectorielles par l'algorithme des k plus proches voisins (métrique de similarité cosinus). Une fois que nous avons trouvé des vecteur contextuel compact similaires, nous soumettons une requête avec les données associées pour fournir un contexte permettant au grand modèle de langues de mieux répondre à la question.
Français
génération augmentée d'information contextuelle
GAIC
adaptation par enrichissement contextuel
AEC
peaufinage par enrichissement contextuel
PEC
enrichissement contextuel
Anglais
retrieval augmented generation
RAG
Sources
Contributeurs: Claude Coulombe, Patrick Drouin, wiki