Generación y Recuperación de Información Contextualizada: Un Enfoque Avanzado Basado en RAG para el Procesamiento del Lenguaje Natural
Este artículo explora en profundidad la integración de técnicas avanzadas de machine learning mediante la metodología Retrieval Augmented Generation (RAG). Se analiza la arquitectura dual que combina procesos de recuperación y generación de información, resaltando su impacto en el entrenamiento de m...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Corporación Universitaria Republicana
2025-01-01
|
| Series: | Revista Ingeniería, Matemáticas y Ciencias de la Información |
| Subjects: | |
| Online Access: | https://ojs.urepublicana.edu.co/index.php/ingenieria/article/view/1122 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Este artículo explora en profundidad la integración de técnicas avanzadas de machine learning mediante la metodología Retrieval Augmented Generation (RAG). Se analiza la arquitectura dual que combina procesos de recuperación y generación de información, resaltando su impacto en el entrenamiento de modelos de lenguaje natural. Asimismo, se presentan variantes especializadas como el Corrective RAG y el Advanced RAG, que incorporan mecanismos de retroalimentación y optimización en tiempo real. Se incluye, además, una mención del producto JurislibreIA, desarrollado por el semillero Sensorama, ejemplificando aplicaciones prácticas en dominios complejos como el legal. El estudio se fundamenta en ejemplos de implementación en Python, diagramas explicativos y una revisión crítica de las fuentes relevantes, ofreciendo una guía completa para investigadores y desarrolladores interesados en impulsar soluciones innovadoras basadas en RAG. |
|---|---|
| ISSN: | 2357-3716 |