Glosario

LazyGraphRAG

¿Qué es LazyGraphRAG?

LazyGraphRAG es un enfoque de generación aumentada por recuperación basada en grafos presentado por Microsoft Research en 2024. A diferencia de GraphRAG, al indexar no pide a un modelo de lenguaje que genere resúmenes, sino que identifica conceptos y sus coapariciones con técnicas clásicas de procesamiento del lenguaje; el modelo de lenguaje solo interviene al hacer la consulta. Según Microsoft, así los costes de indexación quedan al nivel de un RAG vectorial sencillo. Es útil sobre todo para preguntas que requieren una visión global de grandes colecciones de documentos.

Temas

RAG
Grafo de conocimiento
Recuperación

Probar KI.ordo

Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.

Iniciar demo

← Todos los términos

Términos relacionados

Generación aumentada por recuperación (RAG)

La generación aumentada por recuperación combina búsqueda y generación de texto: antes de responder, el sistema busca en una colección de conocimiento, como manuales, políticas o preguntas frecuentes, los fragmentos relevantes y se los pasa al modelo de lenguaje como contexto. Así la respuesta se apoya en contenido actual y propio de la empresa, no solo en lo aprendido durante el entrenamiento. Esto reduce las afirmaciones inventadas, hace rastreables las fuentes y permite actualizar sin reentrenar.

RAG
búsqueda de conocimiento
+1

Razonamiento multisalto

El razonamiento multisalto (multi-hop reasoning) es la capacidad de un sistema de IA para responder una pregunta mediante varias inferencias sucesivas, a menudo combinando información de distintas fuentes. Ejemplo: «¿Qué departamento dirige la persona responsable del proyecto X?» exige identificar primero a esa persona y después su departamento. Estas preguntas son exigentes para los sistemas de búsqueda y RAG, porque cada paso intermedio debe encontrarse y enlazarse correctamente.

razonamiento
respuesta a preguntas
+1

Recuperación de información

La recuperación de información engloba los métodos que, en grandes colecciones de texto, encuentran los documentos o fragmentos que responden a una consulta y los ordenan por relevancia. Enfoques clásicos como BM25 ponderan los términos según su frecuencia y su rareza; los más recientes añaden similitud semántica. Es la base de los buscadores, la búsqueda empresarial y la generación aumentada por recuperación (RAG), en la que un modelo de lenguaje usa los fragmentos encontrados como fuente de su respuesta.

Búsqueda
BM25
+1

Pipeline de recuperación

Un pipeline de recuperación (retrieval pipeline) es la secuencia de pasos con la que un sistema encuentra la información adecuada para una pregunta. Suele incluir: importar y limpiar documentos, dividirlos en fragmentos, crear un índice de búsqueda, reformular la consulta si hace falta, buscar coincidencias, ordenarlas (reranking) y pasar las mejores al modelo de lenguaje. Es la base de cualquier aplicación RAG, y su calidad determina en gran medida lo buenas que serán las respuestas.

RAG
búsqueda
+1