Waarom is dit belangrijk?
Taalmodellen kunnen nieuwe vakinformatie gebruiken zonder het hele model opnieuw te trainen, en zetten de geraadpleegde bron bij het antwoord. In de zorg onderzoeken onderzoeksgroepen retrieval-augmented generation om antwoorden te verbinden met medische vakliteratuur. Medewerkers in ziekenhuizen en klinieken kunnen die bron controleren, maar het model kan een juiste tekst nog verkeerd uitleggen en de klinische betrouwbaarheid blijft daardoor onzeker.
Zo werkt het in de praktijk
Onderzoekers bouwden toepassingen van retrieval-augmented generation voor bestuur, cybersecurity, landbouw en industrieel onderzoek. Het systeem haalt teksten op en laat een taalmodel daar een antwoord op baseren. De systemen draaiden op een lokale server of via een clouddienst, afgestemd op de gebruiker.
NIST (het Amerikaanse instituut voor standaarden) houdt via TREC een onderzoekstrack over retrieval-augmented generation. De Universiteit van Waterloo coördineert die track samen met Microsoft. In 2025 testen teams lange vragen, en ze leggen vast welk tekststuk een antwoord ondersteunt.
De track van TREC is een vaste vergelijking van zoeksystemen. Beoordelaars meten relevantie, volledigheid en of de bron klopt. Retrieval-augmented generation wordt zo getoetst als andere zoekmethoden.




