# Revision: Cheat Sheet और Self-Check — Retrieval-Augmented Generation (RAG)

Source: https://www.geekswithgeeks.com/hi/rag/z-revision

> पूरे कोर्स के मुख्य विचार दोहराएँ।

## Cheat sheet

**विचार**: प्रासंगिक chunks retrieve करें, prompt augment करें, आधारित, उद्धृत उत्तर generate करें। **Ingest**: साफ़ extraction, संरचना-जागरूक chunks (200 से 500 tokens, छोटा overlap), filters, अनुमतियों और citations के लिए metadata। **Retrieve**: सटीक शब्दों के लिए BM25, अर्थ के लिए embeddings, RRF से hybrid, बड़े पैमाने पर ANN indexes। **सुधार**: query rewriting, cross-encoder reranking, विविधता के लिए MMR, प्रासंगिकता सीमा के साथ tuned k। **Generate**: क्रमांकित संदर्भ, "सिर्फ़ संदर्भ से उत्तर", कोड में citations सत्यापन, groundedness जाँच, शालीन इनकार। **मूल्यांकन**: golden set, recall@k और MRR, faithfulness, अनुत्तरणीय सवाल, चरण-अनुसार विफलता गणना। **Production**: वृद्धिशील अद्यतन, access control, injection बचाव, latency और लागत नियंत्रण; agentic या graph RAG तभी जोड़ें जब मापी हुई ज़रूरत दिखे।

**Quiz:** Users "work from home" खोजते हैं पर नीति में "remote work" लिखा है। कौन-सा retrieval तरीक़ा सबसे ज़्यादा मदद करता है?

- [ ] Temperature घटाना
- [ ] सिर्फ़ सटीक keyword मिलान
- [ ] Chunk overlap बढ़ाना
- [x] Embedding (semantic) search, आदर्श रूप से BM25 के साथ

*Answer:* Embedding (semantic) search, आदर्श रूप से BM25 के साथ. Embeddings अलग शब्दांकन जोड़ते हैं; BM25 सटीक शब्द फिर भी सँभालता है।

**Quiz:** कौन-सी संख्या सबसे अच्छी बताती है कि retrieval प्रमाण ढूँढ रहा है?

- [ ] औसत शब्द लंबाई
- [x] Golden set पर Recall@k
- [ ] GPU temperature
- [ ] फ़ाइलों की संख्या

*Answer:* Golden set पर Recall@k. Recall@k मापता है कि प्रासंगिक chunks retrieved समूह में कितनी बार आते हैं।

**Quiz:** प्रति-user दस्तावेज़ access लागू करने का सबसे सुरक्षित तरीक़ा क्या है?

- [ ] मॉडल से रहस्य न बताने को कहना
- [x] Retrieval query में filter करना ताकि निषिद्ध पाठ कभी न आए
- [ ] UI में छिपाना
- [ ] Chunk आकार पर निर्भर रहना

*Answer:* Retrieval query में filter करना ताकि निषिद्ध पाठ कभी न आए. निषिद्ध पाठ prompt तक पहुँचे तो लीक हो सकता है।