RAGとRIGの違い、通常の機械学習モデルとの比較 - Qiita

4. RIGが優れている点と課題 4.1 優れている点 最新の情報に対応可能：リアルタイムで外部情報を取得するため、新しい事象や知識にも即座に対応できる。 柔軟な応用範囲：医療、金融、レコメンデーションなど、変化の速い分野で特に効果を発揮する。 再訓練の負担が軽減：モデルそのものを頻繁に更新する必要がなく、MLOpsの負担が軽減される。 4.2 課題 推論速度の低下：外部情報を検索する際の遅延が発生する可能性がある。 検索情報の品質管理：取得する情報の信頼性が低いと、推論結果に悪影響を及ぼすリスクがある。 インフラの複雑さ：検索エンジン、データベース、推論モデルが統合されているため、管理や開発コストが高くなる可能性がある。 5. 通常のMLモデルが優れている点 低遅延のリアルタイム処理が可能：外部情報に依存しないため、即時応答が必要な環境（自動運転、エッジデバイスなど）で適している。 計算