Retrieval-Augmented Generation
RAG combina recupero di informazioni e risposte generate. L’accesso alle fonti non sostituisce la progettazione di qualità e permessi.
La Retrieval-Augmented Generation (RAG) unisce il reperimento di informazioni pertinenti alla produzione di una risposta con un modello linguistico. I contenuti trovati sono forniti come contesto aggiuntivo. Non serve riaddestrare il modello per ogni nuovo documento.
Esempio di assistente interno
In un’azienda ipotetica, l’assistente trova prima un’istruzione approvata e formula una risposta legata alla fonte. La ricerca può usare parole chiave, similarità vettoriale o entrambe.
RAG non garantisce correttezza. Passaggi errati, superati o non autorizzati possono fuorviare l’output. Anche una fonte adatta può essere riassunta male. Selezione, diritti e fedeltà della risposta richiedono verifiche separate.
Fonti
Termini correlati
- EmbeddingUn embedding rappresenta contenuti con un vettore numerico. Modello e confronto determinano quali somiglianze emergono.
- Database vettorialeUn database vettoriale conserva e ricerca embedding. Un risultato simile non è ancora una fonte valida e consentita.
- GroundingIl grounding collega una risposta di IA a prove verificabili. Un collegamento da solo non dimostra supporto per ogni affermazione.
- Model cardLa model card documenta scopo, basi, condizioni di valutazione e limiti noti di una determinata versione di un modello di IA.
- Preparazione all’IALa preparazione all’IA riguarda i presupposti di un progetto: obiettivo, dati utilizzabili, competenze, responsabilità e gestione operativa.
- Context engineeringIl context engineering prepara le informazioni per ogni chiamata al modello: istruzioni, messaggi, fonti e stati attuali pertinenti.
Articoli sul tema
IA & automazione con ASES
Assistenti IA e processi automatizzati