Resposta correta
- BCombinar o Azure AI Search (recuperação) com o Azure OpenAI (geração) para fundamentar as respostas do LLM em uma base de conhecimento
Explicação
A Geração Aumentada por Recuperação (RAG) é um padrão que combina uma etapa de recuperação com uma etapa gerativa. No Azure, isso é normalmente implementado usando o Azure AI Search para recuperar documentos ou trechos relevantes de uma base de conhecimento e, em seguida, repassar esses resultados como contexto para um modelo do Azure OpenAI (por exemplo, GPT-4) para gerar uma resposta fundamentada baseada em fatos. Essa abordagem reduz alucinações e garante que a saída seja baseada em dados confiáveis, em vez de depender apenas dos dados de treinamento do modelo.
Para se aprofundar
O RAG funciona convertendo a consulta de um usuário em uma incorporação vetorial, executando uma busca por similaridade em um corpus indexado e injetando as passagens recuperadas de topo no prompt do LLM como contexto de fundamentação antes da geração. No Azure, o Azure AI Search fornece o índice vetorial/híbrido e o ranqueador semântico, enquanto o Azure OpenAI fornece modelos de incorporação e conclusão de bate-papo; a orquestração geralmente é conectada por meio do recurso 'Adicionar seus dados', do Azure AI Studio ou do Semantic Kernel. Um comportamento sutil que vale a pena conhecer: a qualidade da recuperação limita a qualidade da resposta, portanto, o tamanho dos trechos, a sobreposição e a pontuação híbrida afetam materialmente as taxas de alucinação. Um cenário realista é um assistente de política interna de RH que deve citar documentos atuais em vez de depender de conhecimento pré-treinado desatualizado.
Sobre estas questões de prática
Esta é uma das questões de prática originais de AI-900 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.
Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.