RAG зависит от качества извлечения информации.
Модели часто используют системы RAG для решения специфических задач или приложений, таких как обслуживание клиентов в банковском секторе или планирование поездок. Эти модели должны уметь обрабатывать запросы, выходящие за пределы их назначенной области, и обеспечивать определенность в своих ответах.
Запросы пользователей могут быть непреднамеренно неясными и сложными для понимания систем RAG.
Системы RAG должны уметь определять, когда они не знают ответа.
Pipeline | faithfulness | answer_relevance | context_precision | context_recall | Неопределенность |
---|---|---|---|---|---|
LLM only | 0.68 | 0.72 | 0.66 | 0.70 | 0.1 |
RAG only | 0.79 | 0.81 | 0.78 | 0.80 | 0.05 |
RAG + clustering | 0.82 | 0.83 | 0.82 | 0.84 | 0.2 |
πRAGi-team