قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
RAG (Retrieval-Augmented Generation)
Architecture hybride combinant récupération d'informations et génération de texte pour améliorer la précision et la pertinence des réponses des LLM en s'appuyant sur des connaissances externes.
Embedding
Représentation vectorielle dense de texte ou d'autres données dans un espace à haute dimension, capturant les relations sémantiques et contextuelles entre les éléments.
Multi-Modal RAG
Système RAG capable de récupérer et de générer à partir de plusieurs types de données (texte, images, audio) pour des réponses plus riches et contextuelles.
Query Transformation
Technique de modification et d'optimisation des requêtes utilisateur avant la récupération pour améliorer la pertinence des documents retrouvés.
Contextual Compression
Technique de filtrage et de condensation du contexte récupéré pour ne conserver que les informations les plus pertinentes avant la génération.
Agentic RAG
Architecture RAG où des agents autonomes décident dynamiquement des stratégies de récupération et de synthèse basées sur le contexte et la requête.
Self-Query Retriever
Système qui décompose automatiquement une requête naturelle en requête structurée et filtres métadonnées pour une récupération plus précise.
Multi-hop RAG
Architecture RAG effectuant plusieurs cycles de récupération séquentiels pour construire des réponses complexes nécessitant des informations de sources multiples.
RAG Pipeline
Enchaînement orchestré des étapes de récupération, filtrage, contextualisation et génération dans un système RAG pour produire des réponses cohérentes.
Similarity Search
Algorithme de recherche identifiant les vecteurs les plus proches dans l'espace d'embeddings selon des métriques comme la similarité cosinus ou la distance euclidienne.
Retrieval Augmentation
Processus d'enrichissement du prompt d'un LLM avec des informations externes pertinentes récupérées dynamiquement pour améliorer la factualité et la précision.