RAG і пошук

Що таке RAG

Знайти потрібні уривки, а тоді згенерувати — щоб модель відповідала з твоїх джерел, а не з розмитої пам'яті.

Ембединги

Перетворити текст на точки в просторі, де близький за змістом текст стоїть поруч. Саме завдяки цьому пошук працює за змістом, а не за ключовими словами.

Конвеєр RAG

Чотири кроки від купи документів до обґрунтованої відповіді: розбити, вкласти, дістати найкращі збіги й згенерувати.

Векторні бази даних

Де живуть твої ембединги — і як векторна база даних знаходить найближчих сусідів так швидко, що ним справді можна користуватися.

Семантичний проти гібридного пошуку

Пошук за змістом потужний, але проґавлює точні терміни. Гібридний пошук поєднує його з пошуком за ключовими словами, щоб мати і те, і те.

RAG проти донавчання

Два способи спеціалізувати модель: один додає знання в момент запиту, інший змінює поведінку через навчання. Знай, яку задачу розв'язує кожен.

RAG у роботі

Швидке повторення пошукового стека й один принцип, що зв'язує все докупи.