CRAG（Corrective Retrieval Augmented Generation）は、生成モデルが不正確な情報を減らすために設計された技術であり、検索結果を利用して生成内容の正確性を向上させることに焦点を当てています。情報の正確性が重要なタスクでモデルの性能を向上させることができます。
CRAG（Corrective Retrieval Augmented Generation）は、生成モデルが不正確な情報を「幻覚」として生成するのを減らすために設計された技術です。検索結果を利用して生成内容の正確性を向上させることに焦点を当て、検索結果の品質を評価して、必要に応じて修正を加えます。この手法は、特に情報の正確性が重要なタスクでモデルの性能を向上させることができます。詳細はarXivのページでご確認ください。
特徴 | RAG | CRAG |
目的 | 検索結果を利用して情報生成を強化 | 検索結果の品質評価と修正を通じて生成の正確性を向上 |
機能 | 検索結果を生成プロセスに直接組み込む | 検索結果を評価し、不正確な情報を修正 |
強化点 | 生成内容に関連する情報の検索結果を活用 | 生成内容の信頼性と正確性を高めるために検索結果をさらに精査 |
適用 | 情報が重要な生成タスク | 「幻覚」や不正確な情報を減少させる必要があるタスク |
Corrective Retrieval Augmented Generation
Large language models (LLMs) inevitably exhibit hallucinations since the accuracy of generated texts cannot be secured solely by the parametric knowledge they encapsulate. Although...
arxiv.org
Corrective Retrieval Augmented Generation RAG論文解説
Corrective Retrieavl Augmented Generation(修正検索拡張生成) という興味を引くタイトルの論文がアーカイブにあったので、これの内容について解説します。
zenn.dev
RAGを超えたCRAGを実装する。~ そしてRAGのその先へ ~ LangGraphでのTypescriptのコードサンプル付き
みなさんは生成AI系のプロダクトを作るときには何を使用していますか？ 私はLangChainを使っています。 かなり機能も豊富で、ドキュメントも充実しています。 そんな生成AI系のプロダクトの機能として最近よく耳にするのがRAGです。 RAGは Retrieval-Augmented Generation の略で、超絶ざっくり説明すると、
zenn.dev
