Sistemas de recuperación aumentada (RAG): una propuesta de investigación para potenciar las búsquedas semánticas y el contexto interactuando con inteligencia artificial generativa...

Autores
Ponce, Maria Paula; Migo, Gabriel; Istvan, Romina Mariel
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Los modelos de lenguaje a gran escala (LLM), han demostrado un rendimiento sobresaliente en una variedad de tareas de procesamiento de lenguaje natural (PLN), incluyendo generación de texto, traducción automática y respuesta a preguntas. Sin embargo, estos modelos enfrentan desafíos significativos en términos de eficiencia computacional y manejo de información externa. La arquitectura RAG (Sistema de Recuperación Aumentada) emerge como una solución con gran potencial para abordar estas limitaciones. Este proyecto de investigación se enfoca en mejorar la eficiencia y precisión de la recuperación de información basada en texto mediante el uso de RAG, los cuales combinan técnicas de recuperación de información vectoriales con modelos de lenguaje avanzados para mejorar la relevancia de los resultados de búsqueda. El objetivo es explorar diferentes enfoques y técnicas dentro de los RAG para abrir nuevas oportunidades en la búsqueda semántica y el descubrimiento de conocimiento. Al integrar estos sistemas en investigaciones particulares, se espera poder interactuar con grandes modelos de lenguajes (LLM) enviando un contexto para acotar su ámbito de conocimiento para la IA generativa.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Sistemas de Recuperación Aumentada (RAG)
Búsqueda Semántica
Contexto
Inteligencia Artificial Generativa
Grandes Modelos de Lenguaje (LLM)
Base de datos Vectoriales
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/176308
Acceder
id SEDICI_1e45ffe140f3f9b3e99ce15b392b355c
oai_identifier_str oai:sedici.unlp.edu.ar:10915/176308
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Sistemas de recuperación aumentada (RAG): una propuesta de investigación para potenciar las búsquedas semánticas y el contexto interactuando con inteligencia artificial generativaPonce, Maria PaulaMigo, GabrielIstvan, Romina MarielCiencias InformáticasSistemas de Recuperación Aumentada (RAG)Búsqueda SemánticaContextoInteligencia Artificial GenerativaGrandes Modelos de Lenguaje (LLM)Base de datos VectorialesLos modelos de lenguaje a gran escala (LLM), han demostrado un rendimiento sobresaliente en una variedad de tareas de procesamiento de lenguaje natural (PLN), incluyendo generación de texto, traducción automática y respuesta a preguntas. Sin embargo, estos modelos enfrentan desafíos significativos en términos de eficiencia computacional y manejo de información externa. La arquitectura RAG (Sistema de Recuperación Aumentada) emerge como una solución con gran potencial para abordar estas limitaciones. Este proyecto de investigación se enfoca en mejorar la eficiencia y precisión de la recuperación de información basada en texto mediante el uso de RAG, los cuales combinan técnicas de recuperación de información vectoriales con modelos de lenguaje avanzados para mejorar la relevancia de los resultados de búsqueda. El objetivo es explorar diferentes enfoques y técnicas dentro de los RAG para abrir nuevas oportunidades en la búsqueda semántica y el descubrimiento de conocimiento. Al integrar estos sistemas en investigaciones particulares, se espera poder interactuar con grandes modelos de lenguajes (LLM) enviando un contexto para acotar su ámbito de conocimiento para la IA generativa.Red de Universidades con Carreras en Informática2024-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf74-78http://sedici.unlp.edu.ar/handle/10915/176308spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-8352-57-2info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/173603info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-03-31T12:36:10Zoai:sedici.unlp.edu.ar:10915/176308Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-03-31 12:36:10.823SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Sistemas de recuperación aumentada (RAG): una propuesta de investigación para potenciar las búsquedas semánticas y el contexto interactuando con inteligencia artificial generativa
title Sistemas de recuperación aumentada (RAG): una propuesta de investigación para potenciar las búsquedas semánticas y el contexto interactuando con inteligencia artificial generativa
spellingShingle Sistemas de recuperación aumentada (RAG): una propuesta de investigación para potenciar las búsquedas semánticas y el contexto interactuando con inteligencia artificial generativa
Ponce, Maria Paula
Ciencias Informáticas
Sistemas de Recuperación Aumentada (RAG)
Búsqueda Semántica
Contexto
Inteligencia Artificial Generativa
Grandes Modelos de Lenguaje (LLM)
Base de datos Vectoriales
title_short Sistemas de recuperación aumentada (RAG): una propuesta de investigación para potenciar las búsquedas semánticas y el contexto interactuando con inteligencia artificial generativa
title_full Sistemas de recuperación aumentada (RAG): una propuesta de investigación para potenciar las búsquedas semánticas y el contexto interactuando con inteligencia artificial generativa
title_fullStr Sistemas de recuperación aumentada (RAG): una propuesta de investigación para potenciar las búsquedas semánticas y el contexto interactuando con inteligencia artificial generativa
title_full_unstemmed Sistemas de recuperación aumentada (RAG): una propuesta de investigación para potenciar las búsquedas semánticas y el contexto interactuando con inteligencia artificial generativa
title_sort Sistemas de recuperación aumentada (RAG): una propuesta de investigación para potenciar las búsquedas semánticas y el contexto interactuando con inteligencia artificial generativa
dc.creator.none.fl_str_mv Ponce, Maria Paula
Migo, Gabriel
Istvan, Romina Mariel
author Ponce, Maria Paula
author_facet Ponce, Maria Paula
Migo, Gabriel
Istvan, Romina Mariel
author_role author
author2 Migo, Gabriel
Istvan, Romina Mariel
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Sistemas de Recuperación Aumentada (RAG)
Búsqueda Semántica
Contexto
Inteligencia Artificial Generativa
Grandes Modelos de Lenguaje (LLM)
Base de datos Vectoriales
topic Ciencias Informáticas
Sistemas de Recuperación Aumentada (RAG)
Búsqueda Semántica
Contexto
Inteligencia Artificial Generativa
Grandes Modelos de Lenguaje (LLM)
Base de datos Vectoriales
dc.description.none.fl_txt_mv Los modelos de lenguaje a gran escala (LLM), han demostrado un rendimiento sobresaliente en una variedad de tareas de procesamiento de lenguaje natural (PLN), incluyendo generación de texto, traducción automática y respuesta a preguntas. Sin embargo, estos modelos enfrentan desafíos significativos en términos de eficiencia computacional y manejo de información externa. La arquitectura RAG (Sistema de Recuperación Aumentada) emerge como una solución con gran potencial para abordar estas limitaciones. Este proyecto de investigación se enfoca en mejorar la eficiencia y precisión de la recuperación de información basada en texto mediante el uso de RAG, los cuales combinan técnicas de recuperación de información vectoriales con modelos de lenguaje avanzados para mejorar la relevancia de los resultados de búsqueda. El objetivo es explorar diferentes enfoques y técnicas dentro de los RAG para abrir nuevas oportunidades en la búsqueda semántica y el descubrimiento de conocimiento. Al integrar estos sistemas en investigaciones particulares, se espera poder interactuar con grandes modelos de lenguajes (LLM) enviando un contexto para acotar su ámbito de conocimiento para la IA generativa.
Red de Universidades con Carreras en Informática
description Los modelos de lenguaje a gran escala (LLM), han demostrado un rendimiento sobresaliente en una variedad de tareas de procesamiento de lenguaje natural (PLN), incluyendo generación de texto, traducción automática y respuesta a preguntas. Sin embargo, estos modelos enfrentan desafíos significativos en términos de eficiencia computacional y manejo de información externa. La arquitectura RAG (Sistema de Recuperación Aumentada) emerge como una solución con gran potencial para abordar estas limitaciones. Este proyecto de investigación se enfoca en mejorar la eficiencia y precisión de la recuperación de información basada en texto mediante el uso de RAG, los cuales combinan técnicas de recuperación de información vectoriales con modelos de lenguaje avanzados para mejorar la relevancia de los resultados de búsqueda. El objetivo es explorar diferentes enfoques y técnicas dentro de los RAG para abrir nuevas oportunidades en la búsqueda semántica y el descubrimiento de conocimiento. Al integrar estos sistemas en investigaciones particulares, se espera poder interactuar con grandes modelos de lenguajes (LLM) enviando un contexto para acotar su ámbito de conocimiento para la IA generativa.
publishDate 2024
dc.date.none.fl_str_mv 2024-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/176308
url http://sedici.unlp.edu.ar/handle/10915/176308
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-8352-57-2
info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/173603
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
74-78
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1861199711229181952
score 13.332987

Publicaciones similares