AI用語

RAG（検索拡張生成）

RAGは、AIが回答を作る前に外部の文書を検索し、その内容を参照して答える仕組みです。学習済みの知識だけに頼らず、資料に基づく回答を目指す設計の一つです。

概要

Retrieval-Augmented Generation（検索拡張生成）の略称。言語モデルが回答を生成する際に、外部の知識ベースや検索システムから関連文書を取得してプロンプトに追加するアーキテクチャ
RAG（retrieval-augmented generation）は、事前学習済みの言語モデルに外部の文書検索を組み合わせる手法である。2020年の論文で提案された。論文は、言語モデルが知識をパラメータに蓄える一方で、その知識を更新したり根拠を示したりすることには限界があると指摘している。

RAG（検索拡張生成）は、文章を生成する前に、関連する文書を検索して参照する仕組みを指す。名称は2020年の論文 Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks に由来する。

基本の流れは、質問に関係する文書を探す、見つかった文書を回答の材料として渡す、その内容をもとに回答を作る、の3段階である。文書の探し方には、単語の一致や意味の近さが使われることが多い。

検索で誤った文書が選ばれると、回答も誤りやすくなる。RAGは回答の根拠を補う仕組みであり、回答が必ず正しいことを保証するものではない。