Vad är RAG? Retrieval-augmented generation förklarat

RAG (retrieval-augmented generation) är en teknik där en språkmodell först hämtar relevanta dokument och sedan använder dem för att skriva svaret. Det minskar risken för påhittade fakta och gör att modellen kan svara utifrån aktuell eller intern information den inte tränats på.

Så fungerar RAG

  1. Frågan omvandlas till en sökning.
  2. Hämtning: systemet letar fram de mest relevanta textbitarna, ofta via en vektordatabas.
  3. Generering: modellen får frågan och textbitarna och skriver ett svar baserat på dem, gärna med källhänvisningar.

Var används RAG?

  • AI-sök som Perplexity, ChatGPT med sök och Google AI Overviews.
  • Kundtjänstbotar som svarar utifrån företagets egna dokument.
  • Interna kunskapsbaser och verktyg för medarbetare.

RAG och synlighet

När AI-sök använder RAG hämtas källorna från webben. Sidor som är tekniskt tillgängliga, tydligt strukturerade och svarar exakt på frågan har störst chans att väljas. Därför är SEO fortfarande grunden. Läs mer om synlighet i AI-sök.

Vanliga frågor

Vad står RAG för?

Retrieval-augmented generation, ungefär hämtningsförstärkt generering.

Vad är skillnaden mellan RAG och finjustering?

Finjustering ändrar själva modellen genom ny träning. RAG ger modellen rätt information vid varje fråga utan att träna om den.

Tar RAG bort hallucinationer?

Nej, men det minskar dem eftersom svaret bygger på hämtade källor.

Källor

  1. Wikipedia, Retrieval-augmented generation: en.wikipedia.org/wiki/Retrieval-augmented_generation
Läs vidare

Fler artiklar

Alla artiklar
Nästa steg

Hör av dig för en kaffe och ett samtal om hur jag kan stärka ditt företag

Boka en kaffe