Quelle affirmation décrit correctement la génération augmentée par récupération (RAG) ?

La génération augmentée par récupération (RAG) permet aux grands modèles linguistiques (LLM) d'accéder à des sources d'informations externes et fiables en temps réel. Cette approche améliore la pertinence et la précision des réponses du LLM en lui fournissant des données contextuelles à jour, sans nécessiter un réentraînement coûteux et long du modèle. Les autres options sont incorrectes car : la première décrit le pré-entraînement ou le réglage fin (fine-tuning) des LLM, pas la RAG ; la troisième est l'opposé de la RAG, qui vise à étendre les connaissances du LLM au-delà de ses données d'entraînement initiales ; et la dernière limite la RAG à un cas d'utilisation spécifique, alors qu'elle est applicable à de nombreuses tâches.