Retrieval-Augmented Generation

Fragen mit einem Sprachmodell beantworten, indem zuerst passende Stellen aus einem Wissensbestand gesucht und dem Modell als Kontext mitgegeben werden.

Mit Retrieval-Augmented Generation (RAG) antwortet ein Sprachmodell aus einem bestimmten Wissensbestand. Zur Frage werden zuerst passende Stellen gesucht, meist per Vektorsuche über Embeddings, und das Modell antwortet daraus, mit Quellenangaben. Ein Wissensgraph kann die Beziehungen rund um die Treffer als weiteren Kontext beisteuern. Dieses Thema sammelt, wie RAG funktioniert und wie es gebaut wird.

Mehr dazu

Behandelt in
Siehe auch
  • Wissensgraph Wissen als Netz aus Knoten und benannten Beziehungen statt als Liste nach Datum. Die Struktur zeigt, was womit zusammenhängt.
Schlagwörter

In der Graph-Ansicht zeigen →