Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

NVIDIAは、Nemotron LLMに高度なAI推論機能を導入し、検索拡張生成（RAG）システムの強化を目指しています。これらのシステムは、曖昧な表現や暗黙的な表現のユーザークエリに苦労することが多く、最適な検索結果が得られないという問題を抱えています。NVIDIAのソリューションは、高度なクエリ分析と書き換え戦略を採用することで、クエリエンジンの検索機能を洗練させ、取得される情報の関連性と精度を向上させます。

クエリ書き換えはRAGの重要な要素であり、ユーザーの最初のプロンプトをより効果的な検索クエリに変換します。このプロセスは、ユーザー言語とナレッジベース内の構造化情報との間のギャップを埋めるのに役立ちます。Query2Expand（Q2E）、Query2Doc（Q2D）、Chain-of-Thought（CoT）クエリ書き換えなどの手法は、クエリを再構築し、重要なキーワードを導入し、ユーザークエリをコーパスのセマンティクスに合わせるために用いられ、検索と回答の品質を大幅に向上させます。

Llama 3.3 Nemotron Super 49B v1を含むNemotronファミリーのモデルは、RAGなどのアプリケーションにおける効率性とパフォーマンスに最適化されています。これらのモデルは、Natural Questions (NQ)データセットにおけるパフォーマンスが示すように、情報検索の精度向上に効果的であることが実証されています。Nemotronモデルは様々なサイズで提供されており、Meta LlamaアーキテクチャとNVIDIAのトレーニング後処理技術を組み合わせることで、業界ベンチマークにおいて高い精度を実現しています。

NVIDIAは、推論機能を用いて検索クエリエンジンを改良することで、ユーザー言語とコンテンツ語彙間の意味的ギャップに対処しています。Q2Eなどのクエリ書き換え技術を採用することで、意味的類似性に基づくリトリーバーによって返される関連セッションのランキングを大幅に向上させることができます。このプロセスは、検索結果の精度を向上させるだけでなく、リランカーの範囲を広げ、元のクエリ用語と全く同じ用語が使用されていない場合でも、関連する概念について議論しているセッションを特定できるようにします。強化された RAG パイプラインは、ユーザー クエリをインテリジェントに再定式化して重要なコンテキストと詳細を追加することで、従来の方法に比べて圧倒的な利点を提供し、高品質で関連性の高い候補プールを作成してシステム パフォーマンスを向上させます。