AI Umum

Evolusi RAG: RAG Naif, RAG Lanjutan, dan Arsitektur RAG Modular

RAG Naif

RAG Naif merupakan paradigma penelitian RAG paling awal, yang mulai populer setelah ChatGPT banyak diadopsi. RAG Naif mengikuti proses tradisional yang meliputi pengindeksan, pengambilan, dan pembuatan, yang juga disebut sebagai kerangka kerja “Ambil-Baca”.

RAG Lanjutan

RAG Lanjutan memperkenalkan penyempurnaan khusus untuk mengatasi keterbatasan RAG Naif. Dengan berfokus pada peningkatan kualitas pengambilan, RAG Lanjutan menggunakan strategi pra-pengambilan dan pasca-pengambilan.

RAG Modular

Arsitektur RAG Modular melangkah lebih maju dari dua paradigma RAG sebelumnya, menawarkan kemampuan beradaptasi dan keserbagunaan yang lebih baik. Arsitektur ini menggabungkan beragam strategi untuk meningkatkan komponennya, seperti menambahkan modul pencarian untuk pencarian kesamaan dan menyempurnakan pengambil melalui penyetelan halus.

Modul Baru

Kerangka kerja RAG Modular memperkenalkan komponen khusus tambahan untuk meningkatkan kemampuan pengambilan dan pemrosesan. Modul Pencarian beradaptasi dengan skenario tertentu, memungkinkan pencarian langsung di berbagai sumber data seperti mesin pencari, basis data, dan grafik pengetahuan, menggunakan kode yang dihasilkan LLM dan bahasa kueri.

Pola Baru

RAG Modular menawarkan kemampuan beradaptasi yang luar biasa dengan memungkinkan substitusi atau konfigurasi ulang modul untuk mengatasi tantangan tertentu. Hal ini melampaui struktur tetap RAG Naif dan Lanjutan, yang ditandai dengan mekanisme “Ambil” dan “Baca” yang sederhana.