RAG-Fusion (tìm kiếm tổng hợp RAG) là phương pháp mở rộng RAG tự động tạo ra nhiều truy vấn tương tự từ một câu hỏi duy nhất và tăng phạm vi tìm kiếm bằng cách cung cấp xếp hạng tích hợp cho từng kết quả tìm kiếm và chuyển nó tới LLM.
RAG-Fusion là một phương pháp tạo tiện ích mở rộng tìm kiếm ứng dụng do Adrian Raudaschl đề xuất vào năm 2023, trong đó LLM tự mở rộng một câu hỏi của người dùng thành nhiều truy vấn được diễn giải, tích hợp từng kết quả tìm kiếm vectơ bằng một phương pháp như Reciprocal Rank Fusion (RRF), sau đó chuyển nó đến thế hệ câu trả lời cuối cùng. Nó được cho là có thể giảm bớt vấn đề thiếu tài liệu liên quan do sự biến động trong cách diễn đạt hoặc sự khác biệt trong cách diễn đạt khi sử dụng một truy vấn và ngày càng được sử dụng để cải thiện độ chính xác của tìm kiếm Câu hỏi thường gặp và tìm kiếm cơ sở kiến thức nội bộ. Trong hoạt động thực tế kể từ năm 2026, một cuộc gọi LLM sẽ diễn ra mỗi khi một truy vấn được tạo, do đó vấn đề sẽ là độ trễ và chi phí API sẽ dễ dàng tăng lên nhiều lần so với một RAG đơn giản. Nhìn chung, nhiều người cho rằng tác động của việc tích hợp RRF trở nên dễ nhận thấy hơn khi số lượng tài liệu cần tìm kiếm vượt quá hàng chục nghìn tài liệu, nhưng đối với cơ sở tri thức quy mô nhỏ vài trăm tài liệu thì hiệu quả là yếu và chỉ thấy chi phí tăng lên là đáng chú ý. Khi quyết định có nên giới thiệu RAG hay không, lựa chọn thực tế trước tiên là xác minh xem thiếu sót tìm kiếm có thực sự xảy ra với RAG thông thường hay không và chỉ khi độ chính xác vẫn chưa đủ, hãy chuyển sang RAG-Fusion theo từng giai đoạn.