Welke bewering beschrijft een voordeel van het gebruik van Retrieval-Augmented Generation (RAG) voor natural language processing-taken?

RAG (Retrieval-Augmented Generation) combineert het ophalen van informatie met het genereren van tekst. Het belangrijkste voordeel is dat het externe, actuele en domeinspecifieke kennisbronnen kan raadplegen om de antwoorden van een taalmodel te verrijken. Dit leidt tot nauwkeurigere, feitelijk correctere en relevantere output, omdat het model niet alleen vertrouwt op de kennis die tijdens de training is opgedaan. De snelheid van het trainen van taalmodellen wordt niet primair verbeterd door RAG; het richt zich op de kwaliteit van de output. RAG is specifiek voor natural language processing (NLP) en niet voor spraakherkenning of data-augmentatie in computervisie.