Есть ли у тебя понимание принципов работы LLM, embeddings и RAG?

LLM генерирует текст по контексту, embeddings представляют объекты в векторном пространстве, а RAG добавляет в контекст найденные внешние материалы. Эти части решают разные задачи.

Объясните цепочку на примере: вопрос кодируется для поиска, система находит релевантные документы, передаёт фрагменты модели и получает ответ со ссылками. Близость векторов не гарантирует истинность, а найденный текст не должен отменять системные инструкции. Качество оценивают отдельно для retrieval и итогового ответа; RAG не означает дообучение модели.