Bonne réponse
- BConfigurer une base de connaissances avec la génération augmentée par récupération (RAG).
Explication
La configuration d'une base de connaissances avec la génération augmentée par récupération (RAG) permet au chatbot de récupérer des documents pertinents de la base de connaissances interne de l'entreprise et de les utiliser comme contexte pour générer des réponses. Cela garantit que les réponses du modèle sont ancrées uniquement dans les données fournies, évitant ainsi la dépendance à l'égard de ses connaissances de pré-entraînement.
Pour aller plus loin
La génération augmentée par récupération (Retrieval Augmented Generation ou RAG) dans les bases de connaissances Amazon Bedrock fonctionne en découpant (chunking) les documents source, en les convertissant en représentations vectorielles (embeddings) et en stockant les vecteurs dans un magasin de vecteurs. Au moment de la requête, le service récupère les fragments les plus sémantiquement similaires et les injecte dans l'invite (prompt) en tant que contexte, ancrant la réponse du modèle dans le matériel fourni. Cela réduit les hallucinations et maintient les réponses liées au catalogue interne plutôt qu'aux données de pré-entraînement. Une subtilité est que le RAG n'empêche pas totalement le modèle d'utiliser des connaissances paramétriques ; les instructions d'invite et les citations aident, mais la qualité de la récupération, la taille des fragments et le nombre de passages renvoyés influencent fortement l'ancrage. Cela importe lorsque les réponses doivent pouvoir être auditées par rapport à un corpus contrôlé, tel que des spécifications de produits ou de la documentation de conformité.
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.