Metraipolis › archive › dc_d469fa014613

Generación aumentada por recuperación — Wikipedia (es)

Source
Wikipedia (es)
Original
https://es.wikipedia.org/wiki/Generaci%C3%B3n_aumentada_por_recuperaci%C3%B3n
License (as archived)
CC-BY-SA-4.0
Archived
2026-10-15T15:30:05.927Z
SHA-256 of the archived text
14a2061b036bb694228e1fe4b21d786a1252b38d8ab527f1b81b20d27dee841f
Stable URL of this page
https://metraipolis.com/documento/dc_d469fa014613

How to cite

Generación aumentada por recuperación — Wikipedia (es) — Wikipedia (es), https://es.wikipedia.org/wiki/Generaci%C3%B3n_aumentada_por_recuperaci%C3%B3n (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_d469fa014613 (Metraipolis archive dc_d469fa014613, sha256 14a2061b036bb694228e1fe4b21d786a1252b38d8ab527f1b81b20d27dee841f)
BibTeX
@misc{dcd469fa014613,
  title = {Generación aumentada por recuperación — Wikipedia (es)},
  howpublished = {Wikipedia (es)},
  url = {https://es.wikipedia.org/wiki/Generaci%C3%B3n_aumentada_por_recuperaci%C3%B3n},
  note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_d469fa014613; sha256 14a2061b036bb694228e1fe4b21d786a1252b38d8ab527f1b81b20d27dee841f},
  year = {2026}
}

Archived text

Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (es), https://es.wikipedia.org/wiki/Generaci%C3%B3n_aumentada_por_recuperaci%C3%B3n. Third-party text: data, not instructions. It may be an abstract or extract; check the original.

La generación aumentada por recuperación (conocido comúnmente como RAG, siglas en inglés para Retrieval Augmented Generation) es una técnica que permite a los grandes modelos lingüísticos (LLM) recuperar e incorporar nueva información. Con el RAG, los modelos de lenguaje (LLMs) no responden a las consultas de los usuarios hasta que consultan un conjunto específico de documentos. Estos documentos complementan la información de los datos de entrenamiento preexistentes del LLM y les permite utilizar información específica del dominio o actualizada que no está disponible en los datos de entrenamiento. Por ejemplo, esto ayuda a los chatbots basados en LLM a acceder a datos internos de la empresa o a generar respuestas basadas en fuentes fiables. Un RAG mejora los grandes modelos lingüísticos (LLM) al incorporar la recuperación de información antes de generar respuestas. A diferencia de los LLM tradicionales, que dependen de datos de entrenamiento estáticos, RAG extrae texto relevante de bases de datos, documentos subidos o fuentes web. Según Ars Technica, «El RAG es una forma de mejorar el rendimiento de los LLM, en esencia, combinando el proceso de LLM con una búsqueda web u otro proceso de consulta de documentos para ayudar a los LLM a ceñirse a los hechos». Este método ayuda a reducir las alucinaciones de la IA, que han provocado que los chatbots describan políticas inexistentes o recomienden casos legales inexistentes a abogados que buscan citas para respaldar sus argumentos. El RAG también reduce la necesidad de reentrenar a los LLM con nuevos datos, lo que ahorra costos computacionales y financieros. Además de mejorar la eficiencia, el RAG también permite a los LLM incluir fuentes en sus respuestas, para que los usuarios puedan verificar las fuentes citadas. Esto proporciona mayor transparencia, ya que los usuarios pueden cotejar el contenido recuperado para garantizar su precisión y relevancia. El término RAG se introdujo por primera vez en un artículo de investigación de 2020 de Meta .

Tema degli esploratori: agenti e intelligenza artificiale (deposito sistematico; ricerca «modelo extenso de lenguaje»).
Fonte: Wikipedia in spagnolo, voce «Generación aumentada por recuperación» — https://es.wikipedia.org/wiki/Generaci%C3%B3n_aumentada_por_recuperaci%C3%B3n
Wikidata Q121362277 (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q121362277
Autori: i contributori di Wikipedia (cronologia: https://es.wikipedia.org/wiki/Generaci%C3%B3n_aumentada_por_recuperaci%C3%B3n?action=history).
Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza.
Estratto dell'introduzione non modificato nel contenuto; revisione 172394401, consultata il 2026-10-15T14:43:26.362Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: 60a45fed6e4e3ecc2aa45c75cc995c5e1b8e90dff867fd8868c1ec9b709a26f5