Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Domande frequenti
## Perché è importante ottimizzare i documenti per le applicazioni RAG?
I documenti non elaborati vengono spesso scritti per il consumo umano senza considerare i requisiti dei sistemi di intelligenza artificiale avanzati, come le applicazioni Retrieval Augmented Generation (RAG). L'ottimizzazione dei documenti seguendo le migliori pratiche può migliorare significativamente le prestazioni e la precisione delle applicazioni RAG fornendo informazioni strutturate, inequivocabili e pertinenti ai modelli.
## Quali sono alcuni problemi comuni relativi ai documenti non elaborati che possono ostacolare le prestazioni RAG?
Alcune sfide chiave includono la mancanza di formattazione e metadati strutturati, un linguaggio informale o incoerente, la verbosità e la ridondanza, i termini e le frasi ambigui, l'inclusione di elementi di collegamenti ipertestuali e la mancanza di un contesto specifico del dominio. Questi problemi possono confondere i modelli RAG e portare a risposte imprecise o irrilevanti. Per ulteriori informazioni, consulta [Sfide nei dati di origine che influiscono sulle applicazioni RAG](challenges.md) in questa guida.
## In che modo l'uso di titoli e sottotitoli può migliorare le prestazioni RAG?
Titoli e sottotitoli chiari aiutano i modelli RAG a comprendere la struttura e il contesto del contenuto. Ciò consente loro di navigare meglio ed estrarre le informazioni pertinenti dai documenti e migliora la qualità delle risposte generate. Per ulteriori informazioni, consulta [la documentazione sulle migliori pratiche per le applicazioni RAG](best-practices.md) in questa guida.
## Perché si consiglia di sostituire le informazioni della tabella con una sintassi a livello piatto?
Per i modelli RAG può essere difficile interpretare le tabelle perché richiedono una comprensione della struttura bidimensionale. La presentazione delle informazioni della tabella in una sintassi a livello semplice o in un elenco puntato aiuta i modelli a elaborare più facilmente le informazioni, con conseguente miglioramento delle prestazioni. Per ulteriori informazioni, consultate [la documentazione sulle migliori pratiche per le applicazioni RAG](best-practices.md) in questa guida.
## In che modo l'aggiunta di riepiloghi può migliorare le prestazioni RAG?
L'inclusione di riassunti concisi all'inizio di ogni sezione o sottosezione può aumentare la copertura semantica e rafforzare i punti chiave. Ciò migliora l'accuratezza delle ricerche di similarità all'interno dello spazio di incorporamento, il che, in ultima analisi, migliora le prestazioni dell'applicazione RAG. Per ulteriori informazioni, consultate la [documentazione sulle migliori pratiche per le applicazioni RAG](best-practices.md) in questa guida.
## Perché è importante definire le abbreviazioni e impostare il contesto per? LLMs
LLMs sono formati su un'ampia gamma di dati, ma mancano di contesto per abbreviazioni o terminologie specifiche dell'azienda. Definire le abbreviazioni e fornire un contesto aiuta a LLMs comprendere e rispondere in modo più accurato. Questo può aiutare a prevenire allucinazioni o interpretazioni errate. Per ulteriori informazioni, consulta la [documentazione sulle migliori pratiche per le applicazioni RAG](best-practices.md) in questa guida.