F-RAG (RAG-Fusion): wie es sich von einfachem RAG unterscheidet
RAG-Fusion führt mehrere Anfragevarianten aus und verschmilzt die Ergebnisse per Reciprocal Rank Fusion. Besserer Recall, etwas Abdrift-Risiko.
F-RAG, kurz für RAG-Fusion, unterscheidet sich von einfachem RAG in einem Schritt: statt mit Ihrer einzelnen Anfrage zu suchen, erzeugt es mehrere Umformulierungen davon, ruft für jede ab und verschmilzt die Ergebnisse per Reciprocal Rank Fusion (RAG-Fusion-Paper). Es geht um Recall. Eine Formulierung verfehlt Passagen, die eine leicht andere Formulierung erwischt hätte. Wenn Retrieval neu für Sie ist, beginnen Sie mit was RAG ist; dies ist eine Verfeinerung darauf.
01. DER MECHANISMUS, SCHLICHT
Einfaches RAG bettet Ihre Anfrage ein, findet die nächstliegenden Passagen und antwortet daraus. RAG-Fusion fügt zwei Schritte davor ein. Erstens schreibt ein Modell eine Handvoll alternativer Anfragen, die dasselbe aus verschiedenen Blickwinkeln meinen. Zweitens ruft es für alle ab und führt die gereihten Listen per Reciprocal Rank Fusion zusammen, die Passagen belohnt, die über mehrere Anfragen hinweg gut ranken statt nur bei einer. Die Antwort wird dann aus diesem verschmolzenen, neu gereihten Satz geschrieben.
02. WARUM DER FUSIONSSCHRITT ZÄHLT
Eine einzelne Anfrage ist eine einzelne Vermutung darüber, wie die Antwort in Ihren Dokumenten formuliert ist. Echte Archive nutzen Synonyme, Abkürzungen und unterschiedliche Formulierungen für dieselbe Sache. Indem RAG-Fusion die Frage mehrfach stellt und belohnt, was durchgängig hoch rankt, bringt es die Passage zum Vorschein, die eine einzelne Formulierung verfehlt hätte. Reciprocal Rank Fusion ist hier das stille Arbeitspferd: es kombiniert Listen, ohne vergleichbare Scores zu brauchen, weshalb es auch in Hybrid- und Late-Interaction-Aufbauten auftaucht wie denen hinter Qdrant und ColQwen.
03. WANN ES HILFT UND WANN ES SCHADET
RAG-Fusion verdient seine Kosten bei mehrdeutigen oder terminologielastigen Fragen, wo eine Formulierung eine schwache Wette ist. Es kostet mehr: mehrere Abrufe und ein Generierungsschritt pro Frage, es ist also keine kostenlose Latenz. Und es hat ein echtes Versagensmuster. Weichen die erzeugten Anfragevarianten von dem ab, was Sie eigentlich meinten, ziehen sie themenfremde Passagen herein und die Antwort wandert ab. Die Abhilfe ist, die erzeugten Anfragen eng an die ursprüngliche Absicht gebunden zu halten und zu messen, nicht anzunehmen, dass der Recall gestiegen ist.
04. WO ES UNTER DEN OPTIONEN STEHT
RAG-Fusion ist einer von mehreren Wegen, Retrieval besser zu machen, kein Ersatz für gutes Retrieval. Bevor Sie danach greifen, stellen Sie sicher, dass die Grundlagen halten: saubere Chunks, ein solides Embedding-Modell und ein Vektorspeicher, der zur Aufgabe passt. Für visuell dichte Dokumente ist der größere Hebel oft visuelles Retrieval statt mehr Anfragevarianten. Nutzen Sie F-RAG dort, wo die Frage wirklich mehrdeutig ist und der Recall-Gewinn die zusätzlichen Aufrufe wert ist.
Dazu arbeiten wir
