Wat is RAG (retrieval-augmented generation)?
RAG, oftewel retrieval-augmented generation, is een AI-aanpak waarbij het model eerst relevante stukken uit een brontekst ophaalt en pas daarna een antwoord genereert dat daarop steunt.
Een gewoon groot taalmodel leunt op kennis die tijdens training is verankerd en is gevoelig voor hallucinaties. RAG lost dit op met een retrieval-stap: bij een vraag haalt het systeem de meest relevante stukken uit het corpus (boek, PDF, kennisbank), geeft ze als context aan het model en vraagt pas dán om een antwoord.
„Wat bedoelde de auteur hier?" „Waar spreekt dit hoofdstuk drie tegen?" De chat gebruikt de samenvatting en beschikbare broncontext, met citaten wanneer beschikbaar. Controleer belangrijke conclusies in het origineel.
De kwaliteit van een RAG-systeem hangt af van drie dingen: hoe de bron in stukken wordt verdeeld (alinea, sectie, zin), hoe stukken als vector worden weergegeven voor zoeken op gelijkenis, en hoe het model is geleerd de opgehaalde context te gebruiken. Een zwakte in een van de drie leidt tot antwoorden die extern goed onderbouwd lijken maar inhoudelijk fout zijn.
„Wat bedoelde de auteur hier?" „Waar spreekt dit hoofdstuk drie tegen?" De chat gebruikt de samenvatting en beschikbare broncontext, met citaten wanneer beschikbaar. Controleer belangrijke conclusies in het origineel.
Meer weten over SummioVeelgestelde vragen
Wat is het verschil tussen RAG en fine-tuning?
Fine-tuning “bakt” nieuwe kennis in de gewichten van het model — traag, duur en alleen via opnieuw trainen te updaten. RAG laat het model met rust en verandert de opgehaalde context per query: kennis bijwerken betekent documenten herindexeren, zonder opnieuw te trainen.
Schakelt RAG hallucinaties helemaal uit?
Retrieval kan een antwoord beter op de bron baseren, maar voorkomt hallucinaties niet. Het model kan een passage verkeerd lezen of negeren, of juiste details onjuist combineren; controleer belangrijke punten in het origineel.
Waar wordt RAG gebruikt?
In AI-zoekmachines (Perplexity, ChatGPT Search, Claude met webtoegang), in chats met interne documenten, in supportbots op een helpbase en in leesapps zoals Summio. Overal waar een antwoord verankerd moet zijn in een specifieke bron.