Apa itu RAG (retrieval-augmented generation)?
RAG, atau retrieval-augmented generation, adalah pendekatan AI di mana model lebih dulu mengambil bagian-bagian relevan dari teks sumber lalu menghasilkan jawaban yang bertumpu pada bagian-bagian itu.
Model bahasa besar biasa bersandar pada pengetahuan yang dibakukan saat pelatihan dan rentan berhalusinasi. RAG menyelesaikan ini dengan langkah pengambilan: ketika pertanyaan datang, sistem mencari bagian paling relevan dari korpus (buku, PDF, basis pengetahuan), menyerahkannya sebagai konteks ke model, dan baru kemudian meminta jawaban.
"Apa maksud penulis di sini?" "Bagaimana ini bertentangan dengan bab tiga?" Obrolan memakai ringkasan dan konteks sumber yang tersedia, dengan kutipan bila tersedia. Periksa kesimpulan penting pada sumber asli.
Kualitas sistem RAG bergantung pada tiga hal: bagaimana sumber dipecah menjadi bagian (paragraf, seksi, kalimat), bagaimana bagian-bagian itu direpresentasikan sebagai vektor untuk pencarian kemiripan, dan bagaimana model dilatih menggunakan konteks yang ditarik. Kelemahan pada salah satu dari tiga hal itu menghasilkan jawaban yang tampak terdukung dari luar tetapi keliru secara substansi.
"Apa maksud penulis di sini?" "Bagaimana ini bertentangan dengan bab tiga?" Obrolan memakai ringkasan dan konteks sumber yang tersedia, dengan kutipan bila tersedia. Periksa kesimpulan penting pada sumber asli.
Pelajari lebih lanjut tentang SummioPertanyaan umum
Apa beda RAG dengan fine-tuning?
Fine-tuning "membakar" pengetahuan baru ke bobot model — lambat, mahal, dan hanya diperbarui dengan pelatihan ulang. RAG membiarkan model dan mengubah konteks yang ditarik per permintaan: memperbarui pengetahuan berarti mengindeks ulang dokumen, bukan melatih ulang.
Apakah RAG menghilangkan halusinasi sepenuhnya?
Pengambilan dapat lebih menambatkan jawaban pada sumber, tetapi tidak menghapus halusinasi. Model dapat salah membaca atau mengabaikan bagian, atau keliru menggabungkan detail yang benar; periksa hal penting pada sumber asli.
Di mana RAG dipakai?
Pada mesin pencari AI (Perplexity, ChatGPT Search, Claude dengan akses web), pada chat dengan dokumen internal, pada bot dukungan di atas pusat bantuan, dan pada aplikasi membaca seperti Summio. Di mana pun jawaban harus terjangkar ke sumber tertentu.