Bonne réponse
- AMettre en œuvre Retrieval-Augmented Generation (RAG) avec une base de connaissances sur les produits.
Explication
Retrieval-Augmented Generation (RAG) fonde la sortie du modèle sur une base de connaissances externe et fiable en récupérant des documents de produits pertinents avant de générer du texte. Cela traite directement les inexactitudes factuelles car le modèle fait référence à des données faisant autorité plutôt que de s'appuyer uniquement sur sa mémoire paramétrique, qui peut contenir des informations obsolètes ou incorrectes.
Pour aller plus loin
Les modèles de base Amazon Bedrock génèrent du texte purement à partir de connaissances paramétriques acquises lors de la pré-formation, de sorte qu'ils n'ont aucune connaissance des faits produits spécifiques d'une entreprise et hallucineront des détails qui semblent plausibles mais faux. Retrieval-Augmented Generation résout ce problème en intégrant la requête de l'utilisateur, en effectuant des recherches dans un magasin de vecteurs (par exemple, Amazon OpenSearch Serverless ou Aurora pgvector) peuplé de documents de produits et en injectant les principaux passages récupérés dans l'invite comme contexte d'ancrage. Le modèle conditionne ensuite sa sortie sur ces passages plutôt que sur la mémoire seule. Cela est important car la température et la longueur de l'invite n'ajoutent pas d'ancrage factuel, et le réglage fin (fine-tuning) enseigne le style et le format plus que le rappel fiable de faits changeant fréquemment. Un scénario réaliste est une équipe marketing dont le catalogue change chaque semaine ; RAG leur permet de mettre à jour la base de connaissances sans réentraîner le modèle.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement AIF-C01 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.
Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.