Área de investigación
RAG · LLM aplicados
Los modelos de lenguaje (LLM) saben mucho de todo, pero no conocen tu dominio ni tus fuentes, y a veces inventan. La generación aumentada por recuperación (RAG) resuelve esto: antes de responder, el sistema recupera los fragmentos más relevantes de una base de conocimiento propia y fundamenta la respuesta en ellos, citando de dónde salió cada dato.
Trabajo estos sistemas para dominios sensibles —una narrateca de migrantes, apoyo a mujeres en el puerperio, sistemas alimentarios— donde importa que la respuesta esté anclada en fuentes verificables y no en la memoria opaca del modelo.
La diferencia, en un vistazo:
La misma pregunta para los dos.
Explóralo
El corazón de un RAG es la búsqueda. En esta demo, un pequeño modelo de lenguaje corre dentro de tu navegador (no hay servidor ni API): entiende tu pregunta y encuentra, por su significado, los fragmentos que responden —aunque no usen las mismas palabras. Prueba a apagar la búsqueda y verás por qué un asistente sin fuentes es tan arriesgado.
El contenido de la narrateca es sintético e ilustrativo: sirve para mostrar el mecanismo, no como fuente real de asesoría.