ما التوليد المعزَّز بالاسترجاع (RAG)؟
التوليد المعزَّز بالاسترجاع (RAG) بنية تقوم، قبل أن تجعل النموذج اللغوي يجيب، بالبحث عن الوثائق ذات الصلة وتزويد النموذج بها بوصفها سياقاً لإجابته. لم يعد النموذج يجيب من ذاكرته الداخلية وحدها، تلك التي اكتسبها في التدريب، بل من نص مُستَرجَع لحظة الطلب. تبقى المعرفة بذلك خارج النموذج، في مدوّنة تتحكم فيها المؤسسة وتحدّثها.
هذا الفصل هو جوهر RAG. النموذج اللغوي الصغير (SLM, small language model)، وهو نموذج مُدمَج يضم من 3 إلى 20 مليار معلمة في مصطلحات هذا الموقع، لا يحتاج إلى حفظ كل شيء: بل يستدل على الوثائق المعروضة عليه. تعيش معرفة المؤسسة في المدوّنة، لا في أوزان النموذج، ما يجعله قابلاً للتحكم والتحديث دون إعادة تدريب.
كيف يرسّخ RAG نموذجاً لغوياً صغيراً على الوثائق؟
يرسّخ RAG نموذجاً لغوياً صغيراً في أربع مراحل، تُنفَّذ عند كل طلب. تؤدي كل مرحلة وظيفة محددة، ويبقى المجموع داخل بيئة المؤسسة.
الفهرسة.
تُقطَّع الوثائق إلى أجزاء وتُحوَّل إلى متجهات، أي تمثيلات رقمية تقرّب النصوص المتقاربة في المعنى. ويشكّل المجموع فهرساً قابلاً للاستعلام.
الاستقاء.
عند الطلب، يستقي النظام الأجزاء الأقرب إلى الحاجة المعبَّر عنها، لا المدوّنة كاملة.
التركيب.
تُقدَّم هذه الأجزاء إلى النموذج بوصفها سياقاً، مع الطلب، ليجيب انطلاقاً منها.
الاستشهاد.
تحيل الإجابة إلى الأجزاء المستخدَمة، ما يجعل كل تأكيد قابلاً للتحقق من مصدره.
تجعل هذه السلسلة من النموذج مُستدِلاً على وثائق مقدَّمة، لا مصدر ذاكرة. وتتيح أيضاً تقييم الإجابة بحسب جودة الترسيخ، ودفعها قُدُماً بتصحيح المدوّنة حين يغيب مصدر.
لماذا يناسب RAG النموذج اللغوي الصغير على وجه الخصوص؟
يناسب RAG النموذج اللغوي الصغير على وجه الخصوص لأنه يعوّض القيد الأساسي لنموذج مُدمَج: ذاكرة داخلية أضيق من ذاكرة نموذج لغوي كبير (LLM, large language model)، وهو نموذج ضخم. فبنقل المعرفة إلى مدوّنة خارجية، يجعل RAG هذا الحدّ غير ذي أثر على المهام المرتكزة على الوثائق.
يقوم الوفاق بين الاثنين على السيادة والحداثة. يعمل النموذج المُدمَج على بنية تحتية مضبوطة، وتبقى المدوّنة داخل بيئة المؤسسة، بحيث لا يفترض الاستدلال، أي إنتاج كل إجابة، أي تصدير للبيانات. على منصة Optivalue.ai، التي تنشر هذا الموقع، يُنفَّذ التوليد المعزَّز بالاسترجاع مع 0 بيانات مُستغلَّة خارج بيئة العميل. وتُحدَّث المدوّنة دون المساس بالنموذج، ما يُبقي الإجابات محدَّثة.
RAG أم الضبط الدقيق: ماذا نختار لتخصيص نموذج صغير؟
يستجيب RAG والضبط الدقيق لحاجتين متمايزتين، وكثيراً ما يتكاملان. الضبط الدقيق، وهو إعادة تدريب موجَّهة للنموذج على بيانات خاصة، يُدرِج مفردات وصياغات في النموذج نفسه؛ أما RAG فيُبقي المعرفة في الخارج ويرسّخها عند الطلب. يقابل الجدول أدناه بين ما يقدّمه كل نهج وما يتطلّبه.
| السمة | RAG (التوليد المعزَّز بالاسترجاع) | الضبط الدقيق (إعادة تدريب موجَّهة) |
|---|---|---|
| أين تعيش المعرفة | في مدوّنة خارجية مضبوطة | في أوزان النموذج |
| التحديث | تعديل المدوّنة، والنموذج ثابت | إعادة تدريب جديدة لازمة |
| تتبّع المصدر | إجابة قابلة للاستشهاد في الصفحة | لا استشهاد أصيل |
| ما يتطلّبه النهج | فهرس ووثائق سليمة | بيانات تدريب وحوسبة |
التنازل الذي يوضّح كل شيء: حيث لا يضيف RAG شيئاً
لا يضيف RAG شيئاً حين لا تقوم المهمة على أي وثيقة مرجعية: إعادة صياغة نص، إنتاج مسودة، استكشاف أفكار مفتوحة. في هذه الحالات، يكفي تأطير بسيط بالتعليمات، بل قد يكفي ذكاء اصطناعي توليدي للعامة، لتقديم الخدمة المرجوة دون بنية فهرس وثائقي.
الاعتراف بهذا الحدّ هو ما يجعل RAG مفيداً حيث يهمّ. يقوم خط الفصل على طبيعة الإجابة المرجوة: بمجرد أن تستند إلى معرفة دقيقة وتبقى قابلة للتحقق من مصدرها، يصبح الترسيخ الوثائقي شرط الموثوقية، لا تحسيناً اختيارياً.
كيف نُرسي RAG موثوقاً على نموذج صغير؟
إرساء RAG موثوق يتبع إجراءً، لأن جودة الإجابة تعتمد أولاً على جودة الترسيخ. تُقيَّم جودة المدوّنة على معايير يُعدّدها معيار ISO/IEC 25012:2008، نموذج جودة البيانات: دقّة الوثائق المقدَّمة للنموذج واكتمالها واتساقها وحداثتها. تُقرأ الخطوات أدناه بالترتيب.
- تحضير المدوّنة. جمع وثائق محدَّثة وموثوقة، لأن مصدراً خاطئاً يُنتج إجابة خاطئة.
- التقطيع بعناية. تجزئة الوثائق بحيث يُحفَظ معنى كل مقطع مُستَرجَع.
- ضبط الاستقاء. التحقق من أن الأجزاء المُعادة تلبّي الحاجة فعلاً، وتعديل الفهرس عند اللزوم.
- اشتراط الاستشهاد. فرض أن يحيل كل تأكيد إلى مصدره، لجعل الإجابة قابلة للتدقيق.
- صيانة المدوّنة. تصحيح الوثائق وإثراؤها تباعاً مع الملاحظات، لدفع الموثوقية قُدُماً على المدى.
الأسئلة الشائعة
هل يحلّ RAG محلّ الضبط الدقيق؟
لا يحلّ RAG محلّ الضبط الدقيق: فهو يُبقي المعرفة خارج النموذج ويرسّخها عند الطلب، بينما يُدرِج الضبط الدقيق مفردات في النموذج. وكثيراً ما يتكاملان، RAG للمعرفة المتغيرة والقابلة للاستشهاد، والضبط الدقيق للمصطلحات المستقرة لمهنة ما.
هل يتيح RAG لنموذج صغير أن يستشهد بمصادره؟
يتيح RAG لنموذج صغير أن يستشهد بمصادره، لأن كل إجابة تحيل إلى أجزاء الوثائق المُستَرجَعة لإنتاجها. هذا التتبّع حاسم لأي مهمة امتثال، حيث يبقى التأكيد بلا مصدر غير قابل للاستثمار.
هل يكشف RAG بيانات المؤسسة؟
لا يكشف RAG بيانات المؤسسة حين يُنفَّذ في بيئة مضبوطة: يبقى الفهرس والمدوّنة على البنية التحتية للمؤسسة، ولا يصدّر الاستدلال شيئاً. تُتحقَّق سيادة الترتيب على البنية التي تستضيفه.
هل ينافس نموذج صغير مزوَّد بـ RAG نموذجاً كبيراً بلا RAG؟
على مهمة مرتكزة على الوثائق، يعالج نموذج صغير مزوَّد بـ RAG نطاقاً واضحاً بإجابات مستنِدة إلى مصادر، حيث يجيب نموذج كبير بلا ترسيخ من ذاكرته، بلا استشهاد. تعتمد المقارنة على المهمة: ينقل RAG الأفضلية إلى الترسيخ لا إلى الحجم وحده.
هل يلزم نموذج بعينه لتنفيذ RAG؟
لا يشترط RAG نموذجاً بعينه: فهو يعمل مع نموذج صغير كما مع نموذج كبير. ويكسب منه النموذج المُدمَج أكثر، لأن RAG يعوّض ذاكرته الداخلية الأضيق مع بقائه قابلاً للنشر على بنية تحتية مضبوطة.