Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés. # Comparación entre la recuperación, la generación aumentada y el ajuste preciso En la siguiente tabla se describen las ventajas y desventajas de los enfoques de ajuste preciso y basados en RAG. **** | Enfoque | Ventajas | Desventajas | | --- | --- | --- | | Ajuste | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/prescriptive-guidance/latest/retrieval-augmented-generation-options/rag-vs-fine-tuning.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/prescriptive-guidance/latest/retrieval-augmented-generation-options/rag-vs-fine-tuning.html) | | RAG | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/prescriptive-guidance/latest/retrieval-augmented-generation-options/rag-vs-fine-tuning.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/prescriptive-guidance/latest/retrieval-augmented-generation-options/rag-vs-fine-tuning.html) | Si necesita crear una solución de preguntas y respuestas que haga referencia a sus documentos personalizados, le recomendamos que comience con un enfoque basado en el RAG. Utilice los ajustes precisos si necesita que el modelo realice tareas adicionales, como el resumen. Puede combinar los enfoques de ajuste fino y RAG en un único modelo. En este caso, la arquitectura RAG no cambia, pero el LLM que genera la respuesta también se ajusta con los documentos personalizados. Esto combina lo mejor de ambos mundos y podría ser una solución óptima para su caso de uso. Para obtener más información sobre cómo combinar el ajuste preciso supervisado con el RAG, consulte el estudio [RAFT: Adaptación del modelo lingüístico a un dominio específico del RAG](https://arxiv.org/pdf/2403.10131) del. University of California, Berkeley