技术定义
在生成过程中引入从外部资料检索的内容，以补充模型参数中知识的方法。
2020年的RAG研究把预训练生成模型与可检索的外部记忆结合。本条概括检索增强生成路线，不要求所有实现都照搬原论文的联合训练方式。
检索结果可以更新，但检索准确性、材料质量和生成忠实度仍需分别评估；加入资料不意味着自动消除错误。
原理与影响
解决的问题
- 补充模型参数难以更新或追溯的知识。
核心原理
- 检索相关资料并作为生成条件，使模型利用参数之外的信息。
相对前代的改进
暂无记录
技术意义
- 把信息检索与语言生成连接起来。
历史与应用
人物
Patrick Lewis
组织
暂无记录
事件
暂无记录
典型应用
知识问答、资料辅助生成
留下的局限
- 检索遗漏、错误资料和不忠实生成都会影响结果。
上下游关系
上游
暂无直接上游记录
下游
证据：Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks