某公司正在建立一個聊天機器人，使用大型語言模型和大量數位文件來回答 HR 政策問題。哪種技術能最佳地提高生成答案的相關性？

檢索增強生成 (RAG) 是最佳選擇，因為它能讓大型語言模型 (LLM) 存取外部知識庫（例如公司的 HR 政策文件），並根據這些文件生成相關且事實正確的回覆。這能有效解決 LLM 可能會產生幻覺或提供過時資訊的問題。 使用 few-shot prompting 雖然能引導模型生成特定風格或格式的答案，但無法確保答案的相關性或準確性，因為模型仍然依賴其內部訓練資料。將 temperature 設定為 1 會增加模型輸出的隨機性，可能導致答案不穩定或不相關。減少 token 大小會限制模型處理的資訊量，可能導致答案不完整或缺乏細節，而非提高相關性。