忍者ブログ
統計、機械学習、AIを学んでいきたいと思います。 お役に立てば幸いです。

【DS検定・AIトレンド対策】検索精度を劇的に高める!「Advanced RAG(アドバンストRAG)」の仕組み

外部のデータベースやドキュメントを参照させて回答の精度を上げる「RAG(Retrieval-Augmented Generation)」は非常に強力ですが、単純な仕組みでは「適切な情報がヒットしない」「関係のない情報が混ざる」といった課題があります。これらの弱点を克服し、検索・生成の質を総合的に高める技術の総称、それが「Advanced RAG(アドバンストRAG)」です!

1. 【 問題 】

従来のRAGの限界を克服し、検索精度や回答の品質を向上させるための発展的な手法の総称であり、ユーザーからの質問文の書き換え(クエリ変換)、検索された文書の取捨選択や再ランキング、さらには出力結果の評価・検証などの高度なプロセスを組み合わせたアプローチを何と呼ぶでしょうか?

① Advanced RAG(アドバンストRAG)
② Self-Refine(セルフリファイン)
③ Self-Consistency(セルフコンシステンシー)
④ バッチノーマライゼーション(Batch Normalization)


2. 【 解答 】

正解: ① Advanced RAG(アドバンストRAG)

3. 整理:Advanced RAGにおける主なアプローチ

「検索の前」「検索の中」「検索の後」で、どのような高度な処理が行われるのかを整理しましょう。

プロセスの段階主な手法と内容
1. 検索前(Pre-retrieval)
(★今回のポイント)
ユーザーが入力した曖昧な質問を、検索に適した言葉に書き換える(クエリ拡張や書き換え)ことで、ヒット率を向上させる。
2. 検索中(Retrieval) 単なるキーワード一致だけでなく、ベクトル検索とセマンティック検索を組み合わせたり、ヒットした膨大な文書の関連性を再評価して順位付けし直す(リランキング)。
3. 検索後(Post-retrieval)
(★今回のポイント)
取得した情報や生成された回答を評価・検証し、事実に基づいているか(ハルシネーションがないか)をチェックして最終出力を洗練させる。

4. ベーシックなRAGとの違い

(※従来のRAG:質問 ➔ そのままベクトル検索 ➔ 検索結果をそのままLLMに渡して回答生成)

・Advanced RAG:
質問の意図を汲み取って書き換えを行ったり、検索されたゴミ情報(ノイズ)を取り除いたり、出力の評価を挟んだりと、「検索の前後に賢い工夫(パイプライン)を挟み込む」ことで実用に耐える高い精度を担保します。

5. DS検定・AIトレンド形式:実戦4択クイズ

問:生成AIの活用において「Advanced RAG(アドバンストRAG)」に関する記述として、最も適切なものはどれか。

① 質問の書き換えや検索結果の再ランキング、結果の評価などの高度な手法を組み合わせることで、RAG全体の検索精度や回答品質を向上させるアプローチの総称である。
② 実際のデータが持つ統計的特徴を模倣して人工的に生成されたデータであり、個人情報の保護やデータの不足を解消する目的で利用される技術である。
③ 大規模言語モデルに対して同じ質問を複数回行い、得られた複数の回答の中から最も頻度の高いものを多数決で採用するプロンプト手法である。
④ 手元にある限られたデータから重複を許した復元抽出を何度も行い、母数の信頼区間をノンパラメトリックに推定するための統計手法である。

【 正解: ① 】

解説: Advanced RAGの定義と目的を正確に理解しているかを問う重要問題です。
①が正解です。質問の書き換えや結果の評価などを組み込んでRAGを高度化させる仕組みを指します。
②は「合成データ」、③は「セルフコンシステンシー」、④は「ブートストラップ法」の説明です。


6. まとめ

近年のAI実務や資格試験で「RAGの精度を向上させる」「質問を書き換える」「結果を評価するなどの手法の総称」といったキーワードが出たら、正解は「Advanced RAG(アドバンストRAG)」です! 検索の精度を底上げする必須の発展アプローチとしてしっかり押さえておきましょう!


PR