パターンを読み込んでいます…
🪞
Self-RAG(SRAG)
自己反省型の RAG。検索の必要性を適応的に判断し、リフレクショントークンを用いて検索の品質を評価する
複雑さ: high知識検索（RAG）
30秒でわかる概要
- 概要
- エージェントは外部知識を取得すべきかどうかを判断し、取得した内容の品質を評価し、応答前に自身の出力を検証します。これらの判断はリフレクショントークンによって導かれます。
- 使いどころ
- 事実の正確さが求められ、エージェントの確信度が場面ごとに変わるタスク。あるいは検索コストが重要で、不要な参照を省きたい場合。
- 注意点
- リフレクショントークンはレイテンシとコストを増やします。較正が不十分だと、検索すべきでない場面で検索し、検索すべき場面で省略してしまいます。
このパターンについてAIエキスパートに質問
質問が入力済みの状態でアシスタントが開きます。送信前に内容を確認できます。
Self-RAG: 概要
自己反省型の RAG。検索の必要性を適応的に判断し、リフレクショントークンを用いて検索の品質を評価する
- Retrieval necessity prediction
- Retrieved content evaluation
- Output quality assessment
- Self-correction mechanisms
- Reflection tokens
- Adaptive retrieval strategies
The Agent Architect
1つのパターン、1つのトレードオフ、1つの本番障害事例。エージェントシステムを構築する人のための短い週刊ブリーフィング。
週1回のメール、ワンクリックで購読解除できます。アドレスはブリーフィングの送信のみに使用します。
参考文献
このパターンの根拠となる論文、仕様、リポジトリです。
- Self-RAG: Learning to Retrieve, Generate, and Critique through Self-Reflection (Asai et al., 2023)arXiv:2310.11511
- SELF-REFINE: Iterative Refinement with Self-Feedback (Madaan et al., 2023)arXiv:2303.17651
- Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (Lewis et al., 2020)arXiv:2005.11401
- Self-RAG Official Implementation: Reflection Token Training
- Constitutional AI: Harmlessness from AI Feedback (Bai et al., 2022)arXiv:2212.08073
このカタログを作ったエンジニアが担当
エージェント構成をレビューします
このページが扱うのは1つのパターンです。実際のシステムは数十を組み合わせて動き、障害の多くはその繋ぎ目で起きます。カタログの288パターンに照らして設計全体をレビューします。アーキテクチャ、信頼性、評価、コストまで、指摘ごとに対応するパターンを示します。
€750（通常€1,500）・1週間・文書レポートとウォークスルーコール・9月30日まで