Translations:FACTS About Building Retrieval Augmented Generation-based Chatbots/69/de

Aktive Retrieval-augmented Generation (FLARE) (7) synthetisiert iterativ einen hypothetischen nächsten Satz. Wenn der generierte Satz Tokens mit niedriger Wahrscheinlichkeit enthält, würde FLARE den Satz als neue Abfrage für das Retrieval verwenden und den Satz neu generieren. Mialon et al. (12) überprüft Arbeiten zu fortgeschrittenen Methoden der augmentierten Generierung in Sprachmodellen. Self-refine (11) baut einen Agenten, um die anfängliche Antwort von RAG durch iteratives Feedback und Verfeinerung zu verbessern. Der ReAct (16) Agent wird häufig verwendet, um komplexe Anfragen rekursiv zu bearbeiten. Im Bereich der RAG-Bewertung nutzen RAGAS (4) und ARES (14) LLMs als Richter und erstellen automatische RAG-Benchmarks zur Bewertung des RAG-Systems. Zhu et al. (17) geben einen Überblick über die intensive Nutzung von LLM in einer RAG-Pipeline, einschließlich Retriever, Datengenerierung, Umschreiber und Leser. Wir glauben, dass unsere Arbeit eine einzigartige Perspektive auf den Aufbau sicherer, unternehmensgerechter Chatbots durch unser FACTS-Framework bietet.