Czym jest self-querying retriever?

Self-querying retriever — to podejście w systemach Retrieval-Augmented Generation (RAG), w którym model sam formułuje zapytania do bazy wiedzy lub dokumentów w celu znalezienia istotnych informacji, które następnie wykorzystuje do generowania odpowiedzi. Zamiast polegać na zewnętrznych zapytaniach, LLM (Large Language Model) samodzielnie określa, jakie informacje należy wydobyć, poprawiając jakość i trafność wyników.

Przykład: odpowiadając na skomplikowane pytanie, model najpierw generuje pytanie wyjaśniające, wysyła je do systemu wyszukiwania lub bazy dokumentów, otrzymuje odpowiednie fragmenty i używa ich do skonstruowania odpowiedzi. Taki cykl może być powtarzany kilka razy, co zwiększa dokładność i pełność odpowiedzi.