RAG
らぐRAG（Retrieval-Augmented Generation、検索拡張生成）は、大規模言語モデルに答えさせる前に、外部の知識源から関連する文書を検索して取り出し、その内容を材料として回答を作らせる仕組み。社内文書やデータベース、ウ…
意味・読み
| 読み | らぐ |
|---|---|
| カテゴリ | テクノロジー |
| 話題になった時期 | 2020 頃 |
RAGの読み方は「らぐ」です。
RAG（Retrieval-Augmented Generation、検索拡張生成）は、大規模言語モデルに答えさせる前に、外部の知識源から関連する文書を検索して取り出し、その内容を材料として回答を作らせる仕組み。社内文書やデータベース、ウェブページなどをあらかじめ数値ベクトルに変換して保存しておき、質問が来たら近い内容を引き当ててプロンプトに差し込む。モデル自体を再学習させずに、最新の情報や自社固有の知識を扱えるようにする方法として使われる。
経緯・背景
RAG という呼び名は2020年の研究論文（Lewis、Perez、Piktus らによるもの）で導入された。パラメータの中に知識を持つ言語モデルと、外部に置いた非パラメトリックな記憶を、推論のたびに検索でつなぐという構成が示された。同じ2020年9月には Hugging Face の Transformers ライブラリにも RAG モデルが公開され、実装として触れるようになった。仕組みとしては、データをベクトル化してベクトルデータベースに格納し、利用者の質問に近い文書を取り出し、それをプロンプトに含めてモデルに生成させる、という流れをとる。生成AIの業務利用が広がった2023年以降は、社内情報を扱う定番の手法として名前が広く知られるようになった。
なぜ話題になったのか
言語モデルの知識は学習した時点で止まっており、社内規程や最新の価格表のような情報はそもそも持っていない。全部を覚えさせるために追加学習を行うのは費用も手間も大きい。RAGは、検索して渡すという素朴な方法でこの制約を回避できるため、導入の敷居が低い。加えて、根拠となった文書を提示できるので、利用者が答えの正しさを自分で確かめられる。ハルシネーションを抑える現実的な打ち手として説明しやすいことが、用語としての広まりを支えている。
人気ポスト・反応
人気ポストの概要
社内向けの質問応答システムを作る文脈で最も多く使われる語。「PDFを取り込んで社内RAGを作った」といった実装報告や、検索の当たりが悪くて回答がずれるという悩みの共有が目立つ。回答に出典を添えられる点を利点として挙げる投稿も多い。
※ 上記は実際に見られる反応の傾向をまとめたものです。特定の投稿を再現・引用したものではありません。
「RAG」に関するXの人気ポスト（話題の投稿）は、以下のリンクからXの検索結果でご覧いただけます。
※ リンク先はX（旧Twitter）の検索・該当ページです。表示内容は時期により変動します。
関連するサイト
この話題に近いことを扱っている姉妹サイトのページです。あわせてどうぞ。
関連する商品
以下はAmazonの検索リンクです。当サイトはAmazonアソシエイトとして、適格販売により収入を得ています。
よくある質問
- RAGとは何ですか？
- RAG（Retrieval-Augmented Generation、検索拡張生成）は、大規模言語モデルに答えさせる前に、外部の知識源から関連する文書を検索して取り出し、その内容を材料として回答を作らせる仕組み。
- RAGの読み方は？
- RAGは「らぐ」と読みます。
- RAGはなぜ話題になったのですか？
- 言語モデルの知識は学習した時点で止まっており、社内規程や最新の価格表のような情報はそもそも持っていない。
- RAGの元ネタ・由来は？
- RAG という呼び名は2020年の研究論文（Lewis、Perez、Piktus らによるもの）で導入された。
出典・関連ページ
「RAG」を調べるときに参考にした、実際に開けることを確認したページです。画像と見出しはリンク先のものです。
