La génération augmentée par récupération (RAG) est une technique popularisée par Meta en 2020 qui améliore les performances des modèles de langage en fournissant un contexte pertinent au modèle en plus des détails de la question/tâche.
L'opération de RAG comprend trois étapes : la préparation des données, la récupération et la génération. Elle peut être utilisée pour améliorer les performances des modèles de langage dans des tâches telles que la résumé, la traduction, etc., et est particulièrement utile lorsque l'ensemble de données est dynamique ou pas assez volumineux.