Modelo Aumentado
Un Modelo Aumentado se refiere a un sistema de inteligencia artificial o un modelo fundacional (como un LLM) que ha sido mejorado o complementado con fuentes de conocimiento externas, dinámicas o propietarias más allá de sus datos de entrenamiento originales. En lugar de depender únicamente de los patrones aprendidos durante el preentrenamiento, el modelo recupera, procesa e incorpora activamente contexto en tiempo real o específico para generar resultados más precisos, relevantes y fundamentados.
Los modelos tradicionales sufren de fechas de corte de conocimiento y alucinaciones, es decir, generan información plausible pero falsa. La aumentación aborda directamente estas limitaciones. Al fundamentar el modelo en datos externos verificables y actualizados, las empresas pueden implementar IA que es confiable, consciente del contexto y relevante para sus necesidades operativas específicas.
El mecanismo central a menudo implica la Generación Aumentada por Recuperación (RAG). Cuando un usuario envía una consulta, el sistema primero consulta una base de conocimiento especializada (por ejemplo, documentos internos, bases de datos, API en vivo). Luego, los fragmentos de información relevantes recuperados se pasan al modelo de lenguaje central como parte del contexto del prompt. El modelo utiliza este contexto proporcionado para formular su respuesta, 'aumentando' efectivamente su conocimiento inherente.
Bases de Datos Vectoriales, Generación Aumentada por Recuperación (RAG), Ajuste Fino, Integración de Grafos de Conocimiento
