Etiqueta
#retrieval
7 artículos
Embeddings frente a generación: dos cosas que hacen los modelos
"Los embeddings y la generación son trabajos distintos. Saber cuál necesita tu problema es la vía más rápida hacia un sistema que funciona."
Generación aumentada por recuperación (RAG), desde primeros principios
RAG suele explicarse como una pila de herramientas. Quita eso y queda una idea simple: deja que el modelo lea el material correcto antes de responder. Así funciona.
Cómo elegir un modelo de embeddings para tu proyecto
Elegir un modelo de embeddings tiene menos que ver con rankings que con encaje. Esto es lo que de verdad decide si la recuperación funciona.
Por qué los modelos tienen cortes de conocimiento
El conocimiento de un modelo se detiene en una fecha porque queda congelado en el entrenamiento. Por qué ocurre y cómo lo sortean las herramientas.
Preguntas y respuestas sobre documentos que sí funcionan: patrones y trampas
Hacer preguntas sobre tus propios documentos es la demo de IA más útil y una de las más fáciles de arruinar en silencio. Estos son los patrones que sobreviven al uso real.
Trocea bien los documentos para la recuperación
La recuperación es solo tan buena como sus trozos. Así se dividen los documentos para que el pasaje correcto vuelva entero y en contexto.
Construir un pipeline RAG simple: un recorrido conceptual
Generación aumentada por recuperación, construida etapa por etapa. Sin magia ni stack concreto: solo la forma del pipeline y las decisiones que importan.