🚀 RAG upgrade to the gods! From Naive to Advanced
RAG is not the exact answer? 🧐 It may be that "similarity" is not equal to "relevance" (Similarity! = Relevance)!
Today, AI retaliation techniques are outlined, from basic 3-Step to dead-end stances like:
✅ Pre-Retrieval: Use HyDE or Query Expansion Tuning Questions Before Searching
✅ Post-Retrieval: Use Reranking to Reorder as Accurately as possible
Who wants to build a smart AI system? You have to try the technique in the picture.
# programmer # Developer # Data ascience # selfdevelopment # learnonlemon8
ในประสบการณ์ที่ได้ลองใช้เทคนิคขั้นสูงของ RAG Engineering พบว่าเรื่องของความแตกต่างระหว่าง "Similarity" และ "Relevance" เป็นหัวใจสำคัญมากที่หลายคนอาจมองข้าม การค้นหาข้อมูลในระบบ RAG แบบ Naive นั้นจะใช้หลัก similarity search ในการคัดเลือกข้อมูล แต่ในความเป็นจริง การมีข้อมูลที่ "ค่อยข้างเหมือน" กับคำถามกลับไม่ได้แปลว่าจะ "เกี่ยวข้อง" หรือช่วยให้คำตอบมีความถูกต้องและลึกซึ้งเสมอไป การเพิ่ม Pre-Retrieval อย่าง HyDE (Hypothetical Document Embeddings) นั้นคือการให้ AI สร้างคำตอบสั้นๆ แบบสมมุติขึ้นมาก่อน แล้วใช้คำตอบนั้นค้นหาใน Vector Database แทนคำถามเดิม ซึ่งวิธีนี้จะเพิ่มโอกาสเจอข้อมูลที่ตรงประเด็นและเกี่ยวข้องจริงๆ มากขึ้น เพราะ Vector ของคำตอบสมมุติจะใกล้เคียงกับข้อมูลในฐานข้อมูลมากกว่าคำถามที่อาจจะกว้างหรือไม่เจาะจง อีกเทคนิคที่ได้ปรับใช้คือ Query Expansion ที่ทำให้ AI ปรับแต่งคำถามออกไปในหลายแง่มุม เพิ่มโอกาสการเจอข้อมูลที่หลากหลายและแม่นยำยิ่งขึ้น ช่วยป้องกันการพลาดข้อมูลสำคัญที่อาจนอกเหนือจากคำถามตรงตัว เมื่อได้ข้อมูลมาแล้ว การใช้ Post-Retrieval อย่าง Reranking ด้วย Cross-Encoder ช่วยจัดลำดับความสำคัญของข้อมูลใหม่ เพื่อเลือกเฉพาะ 3 อันดับแรกที่แม่นที่สุดจริงๆ ทำให้ได้คำตอบที่สั้น กระชับ และลดเสียงรบกวนหรือข้อมูลที่ไม่เกี่ยวข้องลง อีกทั้ง Context Compression เป็นเทคนิคที่เลือกเอาข้อความที่เกี่ยวข้องจริงๆ ในแต่ละ Chunk มาช่วยลดจำนวน Token ที่ต้องใช้และทำให้โมเดลตอบได้รวดเร็วขึ้น จากประสบการณ์ การนำเทคนิคเหล่านี้มาผสมผสานกัน สามารถพัฒนาระบบ RAG ให้ฉลาดและตอบคำถามได้แม่นยำกว่าเดิมอย่างเห็นได้ชัด ใครที่ทำระบบถามตอบหรือแชทบอตที่ต้องอาศัยฐานข้อมูลขนาดใหญ่ แนะนำให้เริ่มทดลองปรับใช้เทคนิค Pre-Retrieval และ Post-Retrieval เหล่านี้เพื่อให้ AI ของคุณโดดเด่นไม่แพ้ใครในตลาด AI สมัยนี้เลยค่ะ