Aqbeż għall-kontenut ewlieni
Malti— Agħżel lingwa
Menu

Self-RAG

Lezzjoni 16 / 18 Aġġornat 2 ta’ Novembru 2026 Zviluppatur
F'din il-paġna
  1. Awtoriflessjoni fir-RAG
  2. Verifika tal-Bażi Fattwali
  3. Verifika tal-Utilità
  4. Iċ-Ċiklu ta’ Awtokorrezjoni
  5. Il-Prezz tal-Affidabbiltà
  6. Punti Ewlenin

Awtoriflessjoni fir-RAG

Ir-RAG Korrettiv (Corrective RAG) jikkontrolla x’jidħol fil-prompt, iżda mhux x’joħroġ minnu. Anke kuntest perfett ma jiggarantix tweġiba tajba: il-mudell jista’ jżid dettalji li ma jinsabu mkien fid-dokumenti, jew jipproduċi test preċiż iżda li jevita l-mistoqsija attwali. Is-Self-RAG (RAG Awtoriflessiv) jagħlaq din il-lakuna billi jżid żewġ verifiki wara l-ġenerazzjoni. L-ewwel wieħed jeżamina l-bażi fattwali—it-tweġiba tiddependi verament fuq id-dokumenti pprovduti? It-tieni jeżamina l-utilità—tindirizza verament dak li ntalab? Jekk waħda minn dawn il-verifiki tfalli, is-sistema tirrepeti (loop) u tipprova mill-ġdid, u b’hekk issir mekkaniżmu ta’ awtokorrezjoni minflok filtru sempliċi.

Il-fluss għalhekk jestendi r-RAG Korrettiv. Għadek għandek l-irkupru segwit mill-valutazzjoni tad-dokumenti, imbagħad il-ġenerazzjoni. Jiġu żewġ nodi ġodda wara: iċ-check tal-alluċinazzjoni, li jqabbel it-tweġiba mad-dokumenti, u ċ-check tat-tweġiba, li jqabbelha mal-mistoqsija. Jekk verifika tfalli, is-sistema terġa’ lura għall-ġenerazzjoni jew tiġbor materjal ġdid mill-web, skont liema verifika falliet.

Verifika tal-Bażi Fattwali

L-ewwel checker jirċievi żewġ inputs: id-dokumenti magħqudin u t-tweġiba ġġenerata. Il-kompitu tiegħu mhuwiex li jiddetermina jekk it-tweġiba hijiex vera f’termini assoluti, iżda jekk hijiex kompletament ibbażata fuq dak li ngħata. Din id-distinzjoni hija importanti: dikjarazzjoni preċiża li ma tidhirx fid-dokumenti trid tiġi miċħuda għax tiġi mill-memorja tat-taħriġ tal-mudell, mhux mill-korpus tiegħek—u m’hemm l-ebda garanzija li d-dikjarazzjoni li jmiss se tkun preċiża. Il-format tal-output jaqbel ma’ dak tal-grader: oġġett JSON binarju f’temperatura żero.

import json
from mistralai.client import Mistral

client = Mistral(api_key=api_key)

def check_hallucination(documents, generation):
    """Check whether the generation is grounded in the documents."""
    docs_text = "\n\n".join([d["text"] for d in documents])

    prompt = f"""You are a factual grounding evaluator. Given a set of
documents and a generated answer, determine whether the answer is entirely
grounded in the information contained in the documents.

Respond ONLY with a JSON object: {{"grounded": "yes"}} or {{"grounded": "no"}}

Documents:
{docs_text}

Generated answer:
{generation}

JSON evaluation:"""

    response = client.chat.complete(
        model="mistral-large-latest",
        messages=[{"role": "user", "content": prompt}],
        temperature=0,
        response_format={"type": "json_object"},
    )

    result = json.loads(response.choices[0].message.content)
    return result.get("grounded", "no") == "yes"

Verifika tal-Utilità

It-tieni checker ma jarax la d-dokumenti u lanqas ir-riżultati tal-irkupru—biss il-mistoqsija u t-tweġiba. Dan il-kamp ta’ viżjoni ristrett huwa deliberat għax j iżola difett li l-ewwel check iħalli jgħaddi. Immaġina li xi ħadd jistaqsi kemm-il dimensjoni jipproduċi mudell ta’ embeddings, u t-tweġiba tiddeskrivi fit-tul għal xiex jintużaw l-embeddings mingħajr qatt ma tagħti n-numru. Kollox huwa bbażat fuq id-dokumenti, allura l-ewwel checker jgħid “iva”, u l-utent jitlaq mingħajr l-informazzjoni tiegħu. It-tieni checker jgħid “le” u jattenta tentattiv ieħor.

def check_answer_usefulness(question, generation):
    """Check whether the answer actually addresses the question."""
    prompt = f"""You are an answer quality evaluator. Given a question
and an answer, determine whether the answer usefully and completely addresses the question.

Respond ONLY with a JSON object: {{"useful": "yes"}} or {{"useful": "no"}}

Question: {question}
Answer: {generation}

JSON evaluation:"""

    response = client.chat.complete(
        model="mistral-large-latest",
        messages=[{"role": "user", "content": prompt}],
        temperature=0,
        response_format={"type": "json_object"},
    )

    result = json.loads(response.choices[0].message.content)
    return result.get("useful", "no") == "yes"

Iċ-Ċiklu ta’ Awtokorrezjoni

Il-klassi SelfRAG terġa’ tuża l-passi familjari ta’ rkupru u grading, imbagħad tgħaddihom minn ċiklu ta’ retry limitat minn max_retries. Il-loġika taċ-ċiklu hija aktar sottili milli tidher għax iż-żewġ tipi ta’ falliment jirċievu trattament differenti. Alluċinazzjoni skoperta sempliċiment terġa’ tiġġenera bl-istess kuntest: il-problema tinsab fil-mudell, li mar ‘il bogħod wisq, u tentattiv ġdid spiss ikun biżżejjed. Tweġiba ġudikata bħala inutili, madankollu, ttriggera tfittxija addizzjonali fuq il-web qabel ma terġa’ tipprova: hawnhekk il-problema tinsab fil-kuntest, li huwa rqiq wisq biex jappoġġja tweġiba sħiħa, u l-ġenerazzjoni mill-ġdid mingħajr ma żżid xejn tagħti l-istess riżultat.

Innota l-ħruġ ta’ fallback wara ċ-ċiklu. Meta jintużaw it-tentattivi kollha, is-sistema ma tressqx eċċezzjoni: tirritorna l-aħħar ġenerazzjoni flimkien mal-flaggs grounded u useful tagħha. Din hija għażla tad-disinn deliberata—aħjar tirritorna tweġiba mhux perfetta mmarkata bħala tali, li l-interfaċċa tiegħek tista’ tissinjalizza lill-utent, milli tarmi żball mhux ipproċessat.

import numpy as np

class SelfRAG:
    """Self-RAG pipeline with self-correction."""

    def __init__(self, chunks, embeddings, index, max_retries=2):
        self.chunks = chunks
        self.embeddings = embeddings
        self.index = index
        self.max_retries = max_retries

    def retrieve(self, question, k=4):
        """Standard retrieval."""
        response = client.embeddings.create(
            model="mistral-embed", inputs=[question]
        )
        query_vec = np.array([response.data[0].embedding], dtype=np.float32)
        distances, indices = self.index.search(query_vec, k)

        return [
            {"text": self.chunks[idx]["text"], "source": self.chunks[idx].get("source", "")}
            for dist, idx in zip(distances[0], indices[0]) if idx >= 0
        ]

    def grade_documents(self, question, documents):
        """Evaluate document relevance."""
        relevant = []
        for doc in documents:
            if grade_document(question, doc["text"]):
                relevant.append(doc)
        return relevant, len(relevant) < len(documents)

    def generate(self, question, documents):
        """Generate an answer."""
        context = "\n\n---\n\n".join([d["text"] for d in documents])
        prompt = f"Context:\n{context}\n\nQuestion: {question}"

        response = client.chat.complete(
            model="mistral-large-latest",
            messages=[{"role": "user", "content": prompt}],
            temperature=0.2,
        )
        return response.choices[0].message.content

    def ask(self, question, k=4):
        """Complete Self-RAG pipeline with self-correction."""
        print(f"\n=== Self-RAG: {question[:60]}... ===")

        # 1. Retrieval
        print("1. Retrieval...")
        docs = self.retrieve(question, k=k)

        # 2. Grading
        print("2. Grading documents...")
        relevant_docs, need_web = self.grade_documents(question, docs)

        if need_web:
            print("   -> Fallback web search")
            web_docs = web_search_fallback(question)
            relevant_docs.extend(web_docs)

        # 3. Generation loop with self-correction
        for attempt in range(self.max_retries + 1):
            print(f"3. Generation (attempt {attempt + 1})...")
            generation = self.generate(question, relevant_docs)

            # 4. Hallucination check
            print("4. Checking hallucinations...")
            is_grounded = check_hallucination(relevant_docs, generation)

            if not is_grounded:
                print("   -> HALLUCINATION detected, retrying...")
                continue

            # 5. Usefulness check
            print("5. Checking usefulness...")
            is_useful = check_answer_usefulness(question, generation)

            if not is_useful:
                print("   -> Answer NOT USEFUL, fallback web search...")
                web_docs = web_search_fallback(question)
                relevant_docs.extend(web_docs)
                continue

            # Success
            print("   -> Answer validated!")
            return {
                "answer": generation,
                "attempts": attempt + 1,
                "grounded": True,
                "useful": True,
            }

        # If all attempts fail
        print("   -> Maximum attempts reached")
        return {
            "answer": generation,
            "attempts": self.max_retries + 1,
            "grounded": is_grounded,
            "useful": is_useful,
        }

# Usage
self_rag = SelfRAG(chunks, embeddings, index, max_retries=2)
result = self_rag.ask("What are the advantages of RAG over fine-tuning?")

print(f"\nAnswer: {result['answer']}")
print(f"Attempts: {result['attempts']}")
print(f"Grounded: {result['grounded']}, Useful: {result['useful']}")

Il-Prezz tal-Affidabbiltà

Kull guardrail iż sejħa oħra tal-LLM, u t-total jiżdied malajr. Il-funzjoni hawn taħt tagħmel dan espliċitu billi taqsam is-sejħat għal kull pass: sejħa waħda ta’ grading għal kull dokument, imbagħad il-ġenerazzjoni, iċ-check tal-bażi fattwali, u ċ-check tal-utilità, kull wieħed ripetut f’kull retry. B’erba’ dokumenti u retry wieħed, tilħaq għaxar sejħat għal mistoqsija waħda—fejn ir-RAG bażiku kien jeħtieġ tnejn. Iddi din l-istima bil-valuri tiegħek stess qabel ma tissettja k u max_retries: din il-kalkolazzjoni tgħidlek jekk il-baġit u r-rekwiżiti tal-latency tiegħek jappoġġjawx is-Self-RAG fuq it-traffiku kollu, jew biss għall-mistoqsijiet l-aktar sensittivi.

def estimate_self_rag_cost(n_docs=4, n_retries=1):
    """Estimate the number of LLM calls for a Self-RAG question."""
    calls = {
        "grading": n_docs,           # 1 call per document
        "generation": 1 + n_retries, # 1 initial + retries
        "hallucination_check": 1 + n_retries,
        "answer_check": 1 + n_retries,
    }
    total = sum(calls.values())
    print(f"Estimated LLM calls: {total}")
    for step, count in calls.items():
        print(f"  {step}: {count}")
    return total

estimate_self_rag_cost(n_docs=4, n_retries=1)
# Estimated LLM calls: 10

Punti Ewlenin

  • Is-Self-RAG iżid żewġ verifiki wara l-ġenerazzjoni: alluċinazzjonijiet u utilità
  • Jekk it-tweġiba mhix ibbażata fuq id-dokumenti, is-sistema terġa’ tiġġenera
  • Jekk it-tweġiba mhix utli, is-sistema twettaq tfittxija fuq il-web u terġa’ tipprova
  • In-numru ta’ retries irid ikun limitat biex tikkontrolla l-latency
  • Is-Self-RAG huwa aktar għali (aktar sejħat tal-LLM) iżda aktar affidabbli