8 arquiteturas RAG para Engenheiros de IA: (explicadas com uso) 1) RAG Naive ↳ Recupera documentos puramente com base na similaridade vetorial entre a incorporação da consulta e as incorporações armazenadas. ↳ Funciona melhor para consultas simples e baseadas em fatos, onde a correspondência semântica direta é suficiente. 2) RAG Multimodal ↳ Lida com múltiplos tipos de dados (texto, imagens, áudio, etc.) incorporando e recuperando através de modalidades. ↳ Ideal para tarefas de recuperação cruzada, como responder a uma consulta de texto com contexto de texto e imagem. 3) HyDE (Incorporações de Documentos Hipotéticos) ↳ Consultas não são semanticamente semelhantes a documentos. ↳ Esta técnica gera um documento de resposta hipotético a partir da consulta antes da recuperação. ↳ Usa a incorporação deste documento gerado para encontrar documentos reais mais relevantes. 4) RAG Corretiva ↳ Valida os resultados recuperados comparando-os com fontes confiáveis (por exemplo, busca na web). ↳ Garante informações atualizadas e precisas, filtrando ou corrigindo o conteúdo recuperado antes de passar para o LLM. 5) RAG Gráfico ↳ Converte o conteúdo recuperado em um gráfico de conhecimento para capturar relacionamentos e entidades. ↳ Melhora o raciocínio ao fornecer contexto estruturado juntamente com texto bruto ao LLM. 6) RAG Híbrido ↳ Combina recuperação de vetor denso com recuperação baseada em gráfico em um único pipeline. ↳ Útil quando a tarefa requer tanto texto não estruturado quanto dados relacionais estruturados para respostas mais ricas. 7) RAG Adaptativa...