RAG vs Fine-tuning: что лучше для строительных задач
Сравнение подходов к обучению ИИ на строительных нормативах. Почему мы выбрали 3-уровневый RAG.
При создании ИИ-системы для строительной отрасли ключевой вопрос — как научить модель понимать нормативную базу. Рассмотрим два основных подхода.
Fine-tuning: обучение на данных
Fine-tuning подразумевает дообучение базовой LLM на строительных документах. Плюсы: быстрые ответы, нет зависимости от внешних источников. Минусы: устаревание данных, высокая стоимость переобучения, "галлюцинации".
RAG: поиск + генерация
RAG (Retrieval-Augmented Generation) ищет релевантные фрагменты в базе знаний и передаёт их модели как контекст. Всегда актуальные данные, прозрачные источники, минимум галлюцинаций.
Наш выбор: 3-уровневый RAG
СтройИнтел использует комбинацию ApeRAG (адаптивный поиск), GraphRAG (граф знаний связей между нормативами) и Fine-tuned LLM для финальной генерации. Это даёт точность >95% на строительных задачах.