定義
Corrective RAGとは、RAGの検索結果の関連性を評価し、不十分な場合はWeb検索などで補正してから回答生成する手法のこと。
Corrective RAG (CRAG)とは（詳しく解説）
Corrective RAG（CRAG）は、通常のRAGにおける検索結果の品質担保を強化する手法として提案された。取得した文書ごとに関連性評価モデルが「適切」「不十分」「曖昧」の3段階でスコアリングし、不十分と判定された場合は元の検索結果を使わず、Web検索などの代替ソースから情報を再取得してから生成に回す設計が一般的とされる。単純なRAGでは無関係な文書が混入してもそのまま生成に使われハルシネーションの温床になりやすいが、CRAGは評価ステップを挟むことでこの問題を緩和する狙いを持つ。ただし2026年時点の実運用では、評価モデルの呼び出しが追加されるため応答レイテンシとAPIコストが単純なRAG構成より増える点が現場での悩みどころとされる。評価精度自体が不安定だと誤って良質な文書を棄却してしまうケースもあり、相場感としては検索精度が業務上クリティカルな領域（法務・医療など）でのみ採用し、それ以外は素のRAGやリランカーで十分と判断する現場が多いとされる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「Corrective RAG (CRAG)とは」 https://aipicks.jp/glossary/corrective-rag
Corrective RAG (CRAG)の使用例
- 社内マニュアル検索で関連文書スコアが低い場合にWeb検索へ切り替える設計は典型的なCRAG構成の一例とされる。
- プロンプト例：「取得文書の関連性を高・中・低で評価し、低評価なら再検索を指示して」
