Wat is het doel van Contextual Retrieval in een RAG-pipeline?	Het verbetert de nauwkeurigheid door het verlies van context dat optreedt wanneer een bronbestand in chunks wordt opgesplitst.
Hoe werkt Contextual Retrieval in de pre-processing stap?	Een LLM (zoals Claude) wordt gevraagd om een tekstchunk te analyseren en extra context toe te voegen uit het bronbestand.
Wat is een 'contextualized chunk'?	De combinatie van de oorspronkelijke tekstchunk en de door de LLM gegenereerde extra context.
Wat is het probleem bij het toepassen van Contextual Retrieval op zeer grote bronbestanden?	Het bronbestand is mogelijk te groot om in één prompt aan de LLM te passen.
Wat is de strategie om Contextual Retrieval toe te passen op een te groot bronbestand?	Gebruik een selectie van starter chunks (voor een samenvatting) en chunks die direct voorafgaan aan de doelchunk.
Welke rol spelen starter chunks in het contextualiseren van een chunk?	Ze bieden een algemeen overzicht of abstract van het gehele document.
Wat is de functie van de 'add context' functie in de implementatie?	Het neemt een enkele tekstchunk en brontekst en vraagt de LLM om relevante context te genereren.
Waarom is het toevoegen van extra context nuttig?	Het geeft de chunk meer informatie over de aard van het grotere document en de omliggende secties.
Waar wordt de uiteindelijke 'contextualized chunk' ingevoerd?	In de vectorindex en de BM 25 index.
Wanneer verwacht men de grootste verbetering met Contextual Retrieval?	Bij zeer complexe documenten met sterke interne verbanden tussen de verschillende tekstchunks.