Génération augmentée par récupération

Qu’est-ce que la génération augmentée par récupération ?

La génération augmentée par récupération (RAG) améliore l’interprétation et la production de langage naturel en combinant des modèles fondés sur la récupération et des modèles génératifs.

Étudiants souriant lors d’un cours en plein air
  • Quels sont les éléments utilisés dans la RAG ?
  • Comment fonctionne la RAG ?
  • Pourquoi la génération augmentée par récupération est-elle importante ?
  • Intégrez la RAG dans vos modèles ML avec HPE
Quels sont les éléments utilisés dans la RAG ?

Quels sont les éléments utilisés dans la RAG ?

La génération augmentée par récupération (RAG) utilise un récupérateur préparamétré pour extraire efficacement les informations importantes de grands corpus ou de bases de données afin d'améliorer la création de modèles de langage. Cette stratégie permet au modèle d’accéder à plus d’informations que les données d’entraînement, et d’obtenir des résultats plus précis et plus instructifs. La RAG combine de façon dynamique des sources de connaissances externes, et améliore la synthèse des questions-réponses ainsi que le développement de contenu. La RAG aide les systèmes de traitement du langage naturel à fournir des résultats plus riches en contexte et plus précis en fusionnant harmonieusement la récupération et la production.

HPE Supercomputing Solution for Generative AI

Faites évoluer vos modèles d’IA à une vitesse téraflopique pour accélérer votre parcours IA.

Sujets connexes

Machine learning