Retrieval-Augmented Generation（RAG）

意味 {#meaning}

RAG（Retrieval-Augmented Generation、検索拡張生成）とは、大規模言語モデル（LLM）が外部の知識ベースやドキュメントから関連情報を検索し、その検索結果を参照しながら回答を生成する技術です。LLMが学習データにない最新情報や特定の専門知識を扱うことを可能にし、誤った情報を生成する「幻覚（Hallucination）」を抑制し、回答の正確性と信頼性を向上させる目的で活用されます。

由来・背景 {#origin}

生成AI、特にLLMの普及に伴い、その有用性が認識される一方で、学習データにない情報や最新の出来事に対応できない点、また事実とは異なる情報を生成する「幻覚」の問題が課題となりました。この課題を解決するため、2020年にFacebook AI（現Meta AI）が「Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks」という論文でRAGの概念を発表しました。外部の信頼できる情報源からリアルタイムで情報を取得し、LLMの推論プロセスに組み込むことで、これらの問題を克服するアプローチとして、急速に注目を集め、生成AIアプリケーション開発のデファクトスタンダードの一つとなっています。

例文・使い方 {#examples}

• 「弊社のカスタマーサポートチャットボットはRAGを導入しているため、常に最新の製品情報に基づいた正確な回答が可能です。」
• 「LLMの幻覚を抑え、信頼性の高い情報を引き出すためには、RAGの設計が非常に重要となる。」
• 「この新サービスはRAGを活用することで、専門的な医療文献からも情報を抽出し、ユーザーの質問に答えることができるんだ。」