Artikeln introducerar Corrective Retrieval Augmented Generation (CRAG) som en avancerad metod inom Retrieval Augmented Generation (RAG). Den använder en analogi med en "open-book exam" för att förklara tre strategier för informationshämtning och bearbetning. Dessa strategier inkluderar klassisk RAG, Self-RAG och den nya CRAG-processen. CRAG skiljer sig genom att kategorisera hämtad information som korrekt, inkorrekt eller tvetydig innan en slutsats dras. Huvudmotivationen för CRAG är att motverka problem med lågkvalitativa retrievers som introducerar irrelevant information, vilket kan vilseleda generatorn.