Saltar al contenido
TokIQ

Grounding

Grounding y RAG: mantener las respuestas de la IA ligadas a fuentes

Grounding es lograr que un modelo responda a partir de fuentes que tú aportas y no de memoria. La retrieval-augmented generation (RAG) lo hace de forma automática: busca en tus documentos, mete los pasajes relevantes en el prompt y pide al modelo que responda a partir de ellos. Los buenos prompts de grounding le dicen al modelo que cite el pasaje que usó y que avise cuando las fuentes no contienen la respuesta.

Próximamente enApp StoreDisponible enGoogle Play

Pregunta de ejemplo · Grounding

Un asistente RAG responde con seguridad incluso cuando los pasajes recuperados no cubren la pregunta. ¿Qué instrucción ayuda más?

  1. A“Sé preciso.”
  2. B“Responde solo con los pasajes de abajo. Si no contienen la respuesta, dilo.”
  3. C“Usa tu conocimiento general como apoyo.”
  4. D“Responde en una frase.”
Mostrar la respuesta y el porqué

B. “Responde solo con los pasajes de abajo. Si no contienen la respuesta, dilo.” Darle al modelo una vía explícita y permitida para decir “no está en las fuentes” reduce las respuestas inventadas. “Sé preciso” no le da nada en lo que apoyarse.

Qué evalúan las preguntas

  • Responder solo a partir de las fuentes aportadas
  • Citas y cómo citar el pasaje que respalda la respuesta
  • Gestionar preguntas que las fuentes no responden
  • Colocar documentos largos en el prompt

Qué aprenderás

  • Qué es RAG y por qué reduce las alucinaciones
  • Cómo indicar a un modelo que se mantenga dentro de sus fuentes
  • Cómo pedir citas que se puedan comprobar
  • Cómo afectan a las respuestas el chunking y el orden de los pasajes

Cómo practicarlo en TokIQ

  1. 1. Abre Grounding. Elígelo en la lista de temas de la pestaña Quiz. Es un tema Premium; el plan gratuito incluye Fundamentals, Role & context y Examples.
  2. 2. Responde una pregunta cada vez. Ves al instante si acertaste.
  3. 3. Toca Why? Lee la breve explicación y responde tres preguntas de seguimiento sobre la misma idea.
  4. 4. Vigila tu precisión. La pestaña Progress muestra cómo se compara Grounding con tus otros temas.

Grounding: preguntas frecuentes

¿Qué es la retrieval-augmented generation (RAG)?

RAG es un patrón en el que un sistema recupera pasajes relevantes de un almacén de documentos y los añade al prompt, de modo que el modelo responde a partir de ese material y no solo de sus datos de entrenamiento. El término viene de Lewis et al. (2020).

¿RAG elimina las alucinaciones por completo?

No. Las reduce, pero el modelo aún puede interpretar mal los pasajes o ir más allá de ellos. Pedir citas y permitir el “no lo sé” hace más fácil detectar los errores.

Para seguir leyendo

Técnicas6 min de lectura

Qué es RAG: generación aumentada por recuperación

RAG recupera documentos relevantes y los añade al prompt para que el modelo responda con fuentes. Cómo funciona y cómo pedir respuestas ancladas y con citas.

Más temas

Practica Grounding con unas pocas preguntas al día.

Quizzes cortos sobre decisiones reales al escribir prompts, con una explicación para cada respuesta. Gratis para empezar en iPhone y Android.

Próximamente enApp StoreDisponible enGoogle Play