Welche Aussage beschreibt einen Vorteil der Verwendung von Retrieval-Augmented Generation (RAG) für Aufgaben der natürlichen Sprachverarbeitung?

RAG (Retrieval-Augmented Generation) kombiniert die Stärken von Retrieval-Systemen und generativen Sprachmodellen. Der Hauptvorteil ist, dass RAG externe, aktuelle und faktische Wissensquellen (z.B. Dokumentendatenbanken, Webseiten) abrufen und diese Informationen nutzen kann, um die generierten Antworten des Sprachmodells zu verbessern. Dies führt zu präziseren, relevanteren und weniger halluzinierenden Ergebnissen, da das Modell nicht nur auf sein internes Trainingswissen angewiesen ist. Die anderen Optionen sind falsch: RAG verbessert nicht primär die Trainingsgeschwindigkeit von Sprachmodellen; es ist eine Inferenztechnik. RAG wird hauptsächlich für Aufgaben der natürlichen Sprachverarbeitung (NLP) wie Frage-Antwort-Systeme oder Textzusammenfassungen eingesetzt, nicht primär für Spracherkennung. RAG ist keine Technik zur Datenaugmentation im Bereich Computer Vision.