Rag-Fusion: новый подход к генерации с дополнением поиска

Компания Infineon выявила потребность инженеров, менеджеров по работе с клиентами и заказчиков в быстром получении информации о продукции. Традиционно эта задача решается с помощью чат-ботов на основе генерации с дополнением поиска (retrieval-augmented generation, RAG); однако в данном исследовании я оценил применение недавно получившего популярность метода RAG-Fusion. RAG-Fusion объединяет RAG и слияние результатов поиска по взаимным рангам (reciprocal rank fusion, RRF): генерируются несколько запросов, затем они переупорядочиваются с использованием взаимных оценок, после чего выполняется объединение документов и оценок. В ходе ручной оценки ответов по критериям точности, релевантности и полноты я установил, что RAG-Fusion способен предоставлять точные и исчерпывающие ответы, поскольку сгенерированные запросы рассматривают исходный запрос с различных точек зрения и уточняют его контекст. Однако некоторые ответы отклонялись от темы, когда релевантность сгенерированных запросов исходному запросу оказывалась недостаточной. Это исследование свидетельствует о значительном прогрессе в применении искусственного интеллекта (AI) и обработки естественного языка (NLP), а также демонстрирует преобразования в глобальном и многоотраслевом контексте.