#rag

Advanced RAG ─ チャンキング・リランキング・HyDE で精度を上げる

基本的なRAGを使い始めて精度が物足りない場合、チャンキング・リランキング・HyDEの3手法が有効とされる。2024年のRAGサーベイはNaive・Advanced・Modular RAGへの進化を整理し、検索精度を段階的に改善できることを示している。

エンベッディングとはテキストを高次元の数値ベクトルに変換する技術で、意味が近い言葉ほどベクトル空間上でも近い位置に配置される。RAGの核心技術であり、キーワード一致では捉えられない「意味的な近さ」でドキュメントを検索できるようになる。

ハルシネーションとはLLMがもっともらしく聞こえるが事実と異なる情報を生成してしまう現象。モデルは「正しいことを言う」ためではなく「次トークンを予測する」よう学習されているため、大きなモデルでも嘘をつく。RAG・出典要求・自己検証の多層防御がエージェントの信頼性を守る鍵とされる。