What is Retrieval Augmented Generation (RAG) ? Simplified Explanation
3-Second Blueprint (English)
- Standard LLMs are limited to static training data and lack verifiable citations for dynamically changing facts.
- RAG converts current external documents into mathematical vector embeddings stored inside a searchable vector database.
- User queries trigger semantic retrieval of relevant context, passing grounded facts to the LLM for accurate responses.
RAGVector EmbeddingsVector DatabaseLarge Language Models
3-Sekunden-Fazit (Deutsch)
- Klassische LLMs sind auf statische Trainingsdaten begrenzt und liefern oft keine verlässlichen Quellenangaben.
- RAG wandelt aktuelle Dokumente in mathematische Vektor-Embeddings um und speichert sie in einer Vektordatenbank.
- Bei Nutzeranfragen wird relevanter Kontext abgerufen und dem LLM übergeben, um präzise Antworten zu generieren.
RAGVektor-EmbeddingsVektordatenbankSprachmodelle (LLMs)
Note / Hinweis: Blueprints are AI-generated educational summaries (0% Politics · 0% Religion · 0% Brainrot) and do not constitute medical, legal, or financial advice. / KI-generierte Zusammenfassung zu Bildungszwecken – ersetzt keine medizinische, rechtliche oder finanzielle Fachberatung.