最近のAI技術の飛躍により、さまざまなタスクを解決できるAIアシスタントが続々と登場しています。
これは、大量の文章データを基に訓練された大規模言語モデル（LLM）によって可能になっているのですが、これらのモデルは知識を検索・活用する際に精度が低いという問題を持っています。
それにより、間違った情報を生成する「ハルシネーション」、知識の断絶、特化領域に対する理解の乏しさなどの問題が発生しています。
しかし、LLMの情報アクセスと活用能力を高める方法があります。それが「知識拡張生成（RAG）」です。
RAGは実装が簡単でありながら、LLMに外部のデータソースを統合し、事実に基づいた情報提供を可能にする効果的な技術です。
それはLLMの事実性を向上させるだけでなく、新しい情報でモデルを補完したり、専門的なデータを使って特化したモデルを構築することもできるのです。
出典 : https://towardsdatascience.com/a-practitioners-guide-to-retrieval-augmented-generation-rag-36fd38786a84