★
Menu
Beranda Cara Pembuatannya Watchlist Tumpukan
Perangkat Keras ChipBandingkan Chip Server & SistemJaringan MemoriFoundri & Pengemasan Pendinginan
Fasilitas Pusat-Pusat DataDaya ProyekCloud & Komputasi GPU
Kecerdasan Model AIPerangkat Lunak Produk AIBenchmark Makalah RisetKumpulan-Kumpulan Data Konsep-Konsep
Ekosistem Perusahaan-PerusahaanSaham Orang-orangTimeline TrenMasa Depan AI
Pelajari Berita Tanya Data Agen AI
Tentang Tentang kami Metodologi Data & API Penyangkalan
Opsi
DATA & API

Akses JSON baca-saja gratis ke data cache situs.

Mode Gelap

Tampilan Terpandu
Baru mengenal chip, data center, dan jargon model? Kami menjelaskan istilah-istilah kunci saat Anda menjelajah, dalam bahasa yang mudah dipahami. Data yang sama, dilengkapi panduan bawaan.

Tampilan Ahli
Anda sudah memahami seluk-beluknya. Cukup datanya: bersih, cepat, dan ringkas, tanpa penjelasan tambahan. Ini adalah tampilan default.

Bahasa antarmuka
‹ Kembali
Beranda › Konsep-Konsep › Retrieval-Augmented Generation (RAG)

Retrieval-Augmented Generation (RAG)

Konsep Pelatihan & Inferensi

Look it up, then answer — how enterprises ground models in their data.

Anda sedang melihat entri penjelas konsep: apa arti istilah ini dalam bahasa yang mudah dipahami, dan entri-entri yang dikaitkannya.

RAG retrieves relevant documents (via embedding search) and feeds them into the model's context, giving current, citable, private knowledge without retraining. It is the default enterprise AI architecture and the reason vector databases and embedding models became infrastructure categories; long context windows compete with it, agents combine both.

Bagaimana ini terhubung ke bagian lain dari stack

Related · 5 Retrieval-Augmented Generation (RAG)

Tautan catatan ini sekilas — klik grup untuk langsung menuju ke sana.

Sumber

RAG paper ↗

Rekaman ditinjau per 2026-01-15 — lihat Metodologi.