RAGen: генерация тренировочных данных для адаптации RAG через концепты документов

Парадокс: Стандартная генерация вопросов по документам даёт 80% примитива уровня 'Что такое X?' и 'Где написано Y?'. Причина — LLM видит только кусок текста, не может связать информацию из разных частей. RAGen позволяет генерировать глубокие вопросы, требующие понимания связей между секциями документа. Фишка: сначала выдели глобальные концепты всего документа, потом собери доказательства из 2-3 разных мест, потом генерируй вопросы. Вместо поверхностных 'запоминаний' получаешь вопросы уровня анализа, оценки, создания по таксономии Блума — от 20% до 60% сложных вопросов.