In breve: Il grounding ancora una risposta generata al materiale recuperato. Il RAG, ovvero la generazione aumentata dal recupero, individua contenuti pertinenti prima della generazione e li fornisce al modello come contesto.
Come uso grounding e RAG nella pratica
Definisco quale decisione il termine dovrebbe migliorare, quali dati o osservazioni utilizza e chi cambierà qualcosa di conseguenza. Separo il recupero delle fonti dalla generazione e verifico se l’output corrisponde davvero a ciò che afferma il materiale citato. Registro il valore di riferimento, la data della misurazione e i limiti di interpretazione, così posso distinguere un cambiamento reale dalle variazioni dello strumento, del campione o della formulazione della query.
A cosa prestare attenzione
Anche una fonte di alta qualità non può impedire un errore se il sistema la seleziona male, la rimuove dal contesto o la combina con materiale contraddittorio. Confronto i risultati nel tempo, su un campione stabile e con il contesto aziendale. Se il termine non porta a un passo concreto successivo, è solo un’etichetta.
Domande per le decisioni
- Da quale corpus il sistema seleziona le fonti?
- Possiamo ricondurre un’affermazione alla sua fonte?
- Come vengono gestite le informazioni contraddittorie e obsolete?
- Dove è necessaria una revisione umana?