RAGを専門用語に強くする手法「Golden-Retriever」

株式会社ナレッジセンスは、生成AIやRAGを使ったプロダクトを、エンタープライズ向けに開発提供しているスタートアップです。本記事では、RAGの性能を高めるための「Golden-Retriever」という手法について、ざっくり理解します。 この記事は何 この記事は、RAGシステムを専門用語に強くするための手法「Golden-Retriever」の論文[1]について、日本語で簡単にまとめたものです。 今回も「そもそもRAGとは？」については、知っている前提で進みます。確認する場合は以下の記事もご参考下さい。 本題 ざっくりサマリー Golden-Retrieverは、RAG（Retrieval Augmented Generation）を、業界特有の用語・社内用語を含むような質問に強くするための手法です。カリフォルニア大学の研究者らによって2024年8月に提案されました。 従来のRAGシステム

[TakayukiN627]

Golden-Retrieverという手法のキモは、①専門用語を抽出→②意味の明確化を行っている部分です。

[arrowKato]

社内の人しか理解できない専門用語や業界用語によりRAGの性能が落ちます。対策：ユーザーの質問の専門用語を抽出→用語集DBを検索して意味を明確化→ ユーザーの質問の文脈をLLMに分類させる→ 文書検索し、通常のRAG

[misshiki]

“RAGの性能を高めるための「Golden-Retriever」という手法について、ざっくり理解します。”

[rgfx]

「質問に含まれる専門用語の意味を明確にしてからドキュメントの検索を行う」「LLMやエンべディングモデルは公開データで学習しているので、社内用語をうまく解釈できない」