官话
在RAG（Retrieval-Augmented Generation）模型中，拒识模块（或称为拒绝模块，Reject Module）是一个重要的组成部分，旨在提高生成模型在面对不相关查询或信息时的鲁棒性。RAG模型结合了检索和生成两种能力，通过在生成过程中引入外部文档来增强生成的质量和准确性。
人话
一个简单的case：你做一个客户AI，问你一些反动问题，性别歧视问题，我们是应该拒绝的。
主要作用和功能
- 过滤无关信息：拒识模块的一个主要功能是判别检索到的信息是否相关。当接收到查询时，模型首先检索相关的外部文档。如果找到的信息与查询无关或不合适，拒识模块会将这些信息排除，确保只有相关信息用于后续的生成步骤。
- 提高生成质量：通过排除不相关或低质量的信息，拒识模块帮助生成模型更专注于确切和相关的知识，从而提升生成内容的准确性和有用性。
- 降低生成错误的信息：拒识模块能够减少错误生成（hallucination）现象的发生。错误生成是指模型基于不准确或不相关的信息生成结果，拒识模块通过过滤来控制这一问题。
简单实现
假设你【xx茶叶】的检索助手，需要你帮助用户回答一些茶叶的售前和售后中的问题，需要你从用户的对话中提取出用户的检索 query 进行搜索。如果用户的问题和【茶叶】无关，你可以不进行提取；如何和【茶叶】相关，search 为 true；如果用户的问题为打招呼或者咨询茶叶相关的问题，chat 为 true；如果为闲聊，但是和茶叶无关，chat 为 false。只对用户的最后一句话进行判断，下面是一个案例：
user：你好
assistant：你好，有什么可以帮助你
user：铁观音多少钱一斤
提取结果为 {"query":"铁观音价格","search":true,"chat":true}
