Fonctionnement des moteurs
Retrieval-Augmented Generation
Aussi: RAG, génération augmentée par récupération
La retrieval-augmented generation consiste, pour un modèle, à chercher des documents pertinents et à rédiger sa réponse à partir de ce qu'il trouve plutôt qu'à partir du seul entraînement. C'est pourquoi une page publiée cette semaine peut apparaître dans une réponse aujourd'hui.
En détail
Le RAG est le mécanisme derrière la plupart des citations. Le moteur récupère un ensemble de pages, rédige une réponse ancrée dans celles-ci, et lie celles qu'il a utilisées.
C'est aussi la voie la plus rapide pour influencer une réponse : rendre les bons faits récupérables agit bien plus vite que d'attendre un futur entraînement.
Comment Allswap le mesure
Guides sur le sujet
Termes liés
Grounding
Le grounding consiste à rattacher la réponse d'un modèle à des sources précises récupérées plutôt qu'à son propre souvenir. Une réponse ancrée peut être remontée jusqu'à des documents, ce qui rend les citations possibles et les réponses plus fiables.
Cited Source
Une cited source est une page ou un domaine vers lequel un answer engine renvoie en répondant à une question. Dans la plupart des catégories, un petit groupe de sources concentre l'essentiel des citations, et ce groupe décide quelles marques sont recommandées.
Recherche vectorielle
La recherche vectorielle trouve des documents en comparant des embeddings plutôt qu'en faisant correspondre des mots-clés, récupérant les passages dont le sens est proche de la question. C'est la méthode de récupération derrière la plupart des answer engines.
Large Language Model
Un large language model est un système entraîné sur de très grandes quantités de texte pour prédire et produire du langage. C'est le composant qui rédige la réponse d'un answer engine, à partir de ce qu'il a appris et de ce qui est récupéré au moment de la question.
Prêt à dominer la recherche IA ?
Commencer maintenant
Allswap