Amazon Bedrock RAG

La génération augmentée par récupération (RAG) est le processus d'optimisation de la sortie d'un grand modèle de langage, de sorte qu'il fasse référence à une base de connaissances autorisée en dehors de ses sources de données d'entraînement avant de générer une réponse. Les grands modèles de langage (LLMs) sont formés sur d'énormes volumes de données et utilisent des milliards de paramètres pour générer des sorties originales pour des tâches telles que répondre à des questions, traduire des langues et compléter des phrases. RAG étend les capacités déjà puissantes des LLMs à des domaines spécifiques ou à la base de connaissances interne d'une organisation, le tout sans avoir besoin de réentraîner le modèle. C'est une approche rentable pour améliorer la sortie des LLMs afin qu'elle reste pertinente, précise et utile dans divers contextes. Apprends-en plus sur RAG ici.