Perguntas e respostas com recuperação
Recupera a evidência primeiro e responde a partir dela
O texto completo é apresentado em inglês; o título e o resumo estão traduzidos.
O QUE ESTA CAPACIDADE SIGNIFICA
Takes a question and returns an answer. It has two forms: closed-book, answering from parameters alone, and open-book, retrieving relevant passages from an external corpus first. Retrieval-augmented generation belongs to the latter, keeping knowledge in an updatable external store and usually attaching citations. It differs from free generation by having an explicit question and a verifiable target answer.
Como é feita tecnicamente
A RAG pipeline chunks documents into vectors in an index, encodes the question the same way and takes nearest neighbours, then pastes the retrieved passages with the question into a prompt so the model can answer with citations. Refinements include hybrid dense-plus-sparse retrieval, query rewriting before retrieval, and a reranker to pick the best passages. Closed-book answering relies purely on knowledge compressed during pre-training.
Produtos representativos
14Perplexity
2022Responde enquanto pesquisa, com fontes em cada resposta
NotebookLM
2023Responde apenas com as fontes que você fornece, com citações
ChatGPT
2022A janela de chat que colocou um grande modelo de linguagem nas mãos de todos
GPT-4o
2024Um modelo geral nativamente multimodal: texto, imagem e áudio por uma única porta
Gemini
2024Uma entrada de chat que reúne busca, escritório e um modelo multimodal
Command R
2024Um modelo comercial feito para recuperação aumentada e uso de ferramentas
Jamba
2024Um modelo de pesos abertos que mistura um modelo de espaço de estados com um Transformer
Kimi
2023Um assistente de conversa chinês conhecido por lidar com contextos longos
Hunyuan
2023A família de modelos gerais da Tencent, com versões de pesos abertos
Microsoft Copilot
2023IA conversacional integrada ao sistema operacional e aos apps de escritório
Doubao
2023O modelo de conversa geral e o aplicativo da ByteDance
LangChain
2022Encadeie modelos, ferramentas e recuperação
ERNIE
2019Um modelo chinês que começou com pré-treinamento enriquecido por conhecimento, versão inicial representativa
Pinecone
2019Banco vetorial gerenciado para busca por similaridade
Organizações relacionadas
Usos típicos
- Enterprise knowledge bases and internal Q&A
- Web-search assistants with citations
- Document and contract interrogation
- Support and technical self-service
Como avaliar se funciona bem
- Exact Match
- Share of answers identical to the reference
- Answer F1
- Token overlap with the reference, allowing partial credit
- Retrieval hit rate and citation accuracy
- Whether evidence was retrieved and citations actually support the claim
Limites e dificuldades
- When the right passage is not retrieved, the model still answers confidently — hallucination in disguise
- Multi-hop questions needing several documents break, answering only one link
- Key evidence in the middle of a long context is the most likely to be ignored
Conceitos por trás
Geração aumentada por recuperação
Em vez de espremer o conhecimento nos parâmetros, deixá-lo fora e consultá-lo sob demanda — como um exame com livro aberto
Mecanismo de atenção
Cada posição pode olhar diretamente para todas as outras e distribuir atenção conforme a relevância
Engenharia de prompts e alinhamento
Tornar um modelo útil, honesto e inofensivo é mais difícil do que apenas torná-lo maior