AI用語集

ベクトルナレッジベース

エンベディング用に最適化された専門ストレージであり、HNSWやIVFなどのインデックスを介して、大規模な意味的類似性検索を高速に行うことを可能にします。

HyDE（仮説的ドキュメント埋め込み）

LLMがまず理想的な仮説的ドキュメントを生成し、そのエンベディングを用いて、実際に関連性の高いドキュメントを検索するよう誘導する高度な手法です。

クロスリランキング

標準的なバイエンコーダーアプローチとは異なり、モデルがクエリと候補ドキュメントを同時に処理して関連性を評価する手法です。

クエリ分解

複雑なクエリをより単純なサブクエリに自動的に分解することで、多面的な情報検索の精度を高める戦略です。

同期RAGと非同期RAG

レイテンシの制約に応じた、同期アプローチ（検索と生成を同一の呼び出しで行う）と非同期アプローチ（事前インデックス化とリアルタイム取得）の区別です。

プロンプト・シェイピング (Prompt Shaping)

検索されたコンテキストの配置、フォーマット指示、引用制約などを含め、RAGプロンプトの構造を最適化して回答品質を最大化する技術です。

マルチホップRAG

モデルが複数の検索・生成サイクルを実行し、中間的な回答を利用して情報検索を洗練させ、深掘りする高度なアーキテクチャです。

動的ナレッジベース

ドキュメントベースがリアルタイムで継続的に更新されるRAGシステムであり、モデルの再トレーニングを必要とせずに、常に最新の回答を提供することを可能にします。

ドメイン非依存RAG

特定の適応を行わず、汎用的なエンベディングや検索戦略を通じて、あらゆるドメームで効果的に機能するように設計された検索システムのアプローチ。

ソース引用

階層的RAG

速度と関連性を最適化するために、まず要約やメタデータで検索を行い、その後、関連する詳細なドキュメントで検索を行うマルチレベルアーキテクチャ。

コンテキストの融合

重複を避け、情報の相補性を最大化しながら、取得した複数のドキュメントを一貫したプロンプトに知的に統合するプロセス。

メモリ付きRAG

今後の検索を文脈化し、会話の一貫性を確保するために、以前のやり取りの記憶を維持する標準的なRAGの拡張機能。