Grounding
Anclaje en fuentes
En una frase
Grounding: hacer que las respuestas de un modelo se basen en fuentes concretas y verificables en lugar de solo en su memoria.
¿Demasiado técnico? Ver explicación sencilla¿Quieres profundizar? Ver explicación técnica
Explícamelo fácil
Una respuesta «anclada» es aquella que puedes rastrear hasta un documento. En lugar de «confía en mí», el modelo dice «según el documento X, página 4…». Esto reduce las alucinaciones y permite verificar.
Nivel técnico
Profundizando
Se logra proporcionando fuentes en el contexto (Retrieval-Augmented Generation, resultados de búsqueda web, datos de herramientas), instruyendo al modelo a responder solo con base en ellas y a citar, y evaluando la fidelidad (faithfulness): que cada afirmación esté respaldada por las fuentes. Algunas APIs ofrecen citas estructuradas que vinculan fragmentos de la respuesta con pasajes específicos.
¿Por qué importa?
Es indispensable para usar IA en contextos donde las respuestas deben poder auditarse.
¿Dónde se utiliza?
- Asistentes legales y médicos
- Buscadores con IA
- Reportes con citas
Antes de aprender esto
Si alguno te resulta nuevo, empieza por ahí.
Continúa aprendiendo
Conceptos relacionados
Aparece en la ruta Aprende RAG.