RAG khắc phục là phương pháp đánh giá mức độ liên quan của kết quả tìm kiếm RAG và, nếu không đủ, sẽ sửa chúng bằng cách sử dụng tìm kiếm trên web và tạo ra câu trả lời.
RAG khắc phục (CRAG) được đề xuất như một phương pháp nhằm tăng cường đảm bảo chất lượng kết quả tìm kiếm trong RAG thông thường. Các mô hình đánh giá mức độ liên quan chấm điểm từng tài liệu được truy xuất theo ba giai đoạn: ``thích hợp,'' ``không đủ'' và ``mơ hồ.'' Nếu tài liệu được xác định là không đầy đủ, các kết quả tìm kiếm ban đầu sẽ không được sử dụng và thông tin sẽ được lấy lại từ một nguồn thay thế chẳng hạn như tìm kiếm trên web và sau đó được sử dụng để tạo. Trong một RAG đơn giản, ngay cả khi một tài liệu không liên quan được trộn vào, nó sẽ được sử dụng như cũ để tạo, khiến nó trở thành nơi sinh sản cho ảo giác, nhưng CRAG nhằm mục đích giảm bớt vấn đề này bằng cách bao gồm một bước đánh giá. Tuy nhiên, trong hoạt động thực tế kể từ năm 2026, sẽ có một vấn đề trong lĩnh vực này là độ trễ phản hồi và chi phí API sẽ tăng so với cấu hình RAG đơn giản do có thêm các lệnh gọi mô hình đánh giá. Nếu bản thân độ chính xác của đánh giá không ổn định thì có những trường hợp tài liệu chất lượng cao bị từ chối nhầm và có vẻ như độ chính xác của tìm kiếm sẽ chỉ được sử dụng trong các lĩnh vực mà độ chính xác của tìm kiếm là rất quan trọng đối với doanh nghiệp (các vấn đề pháp lý, chăm sóc y tế, v.v.) và trong các trường hợp khác, người ta coi rằng RAG đơn giản hoặc công cụ xếp hạng lại là đủ.