Artículos para quien
entrega el stack
Textos sobre React, Node.js, TypeScript y AI. El cuerpo traducido se muestra cuando existe. Si no, ve el texto en inglés y una nota que lo dice.
Etiqueta: Retrieval
Tres formas en que fallan los sistemas RAG en entornos de producción: contexto fragmentado, desviación y uso inadecuado.
Tres formas en que falla el RAG de producción: contexto fragmentado debido al procesamiento en bloques, desviación a medida que crece la base de conocimientos, y uso incorrecto a pesar de una buena recuperación de información, junto con soluciones a nivel de capas.
11 min de lecturaReclasificación en RAG: Codificadores cruzados vs. evaluadores de LLM y su latencia
Cómo un reordenador de segunda etapa corrige el orden de los candidatos en RAG, comparando codificadores cruzados con jueces basados en LLM, los costos de latencia, los modos de fallo y cómo evaluarlos.
14 min de lecturaPor qué existe RAG: memoria paramétrica, recuperación densa y el artículo de 2020.
Por qué existe RAG: los límites de la memoria paramétrica, cómo BM25 y los embeddings dieron lugar a una recuperación densa, y qué compromisos se realizan entre RAG-Sequence y RAG-Token en el artículo.
7 min de lecturaDepuración de la recuperación RAG: Recall@K, BM25, fusión híbrida y reclasificación
Un pequeño experimento con un pipeline RAG que clasificó al fragmento correcto en cuarto lugar, mostrando cómo el fragmentado, BM25, la fusión de rangos y el reclasificado afectan a Recall@3 y MRR.
11 min de lecturaSiete arquitecturas RAG más allá del enfoque ingenuo y cuándo resultan adecuadas cada una.
El RAG ingenuo presenta fallos de manera predecible. Siete arquitecturas, desde notas contextuales hasta sistemas multiagente y recuperación de memoria, con sus ventajas y desventajas y cuándo utilizar cada una.
9 min de lecturaPor qué el reclasificación es la solución más económica y efectiva en una pipeline RAG
Recuperar 50 resultados y reordenarlos a 5: cómo el reordenamiento con codificador cruzado corrige el orden en una pipeline RAG, las ventajas y la latencia esperadas, cuándo omitirlo y qué incluir en la implementación.
8 min de lecturaPor qué RAG sigue dando respuestas incorrectas: Búsqueda híbrida, reclasificación y Recall@K
Los fragmentos limpios no garantizan respuestas correctas. Vea dónde falla la recuperación de vectores y cómo la fusión, un reclasificador de codificador cruzado, HyDE y la medición Recall@K lo solucionan.
6 min de lecturaMultiDocFusion: Fragmentación consciente de la jerarquía para RAG en PDFs largos.
MultiDocFusion mantiene el contexto de las secciones en cada fragmento de un PDF largo: detección de layout, OCR, un árbol de encabezados con LLM y agrupación por DFS, para una recuperación RAG un 8-15% mejor.
7 min de lecturaCapa por capa: Diseñando un verdadero pipeline de recuperación RAG para agentes de IA
Planifique una tubería RAG con los contratos SourceDocument y DocumentChunk, fragmentación, embeddings y ChromaDB, todo detrás de un RetrievalService que mantiene estable al agente.
10 min de lectura
Sobre estos artículos
Presupuesto en 24 h
¿Necesitas el mismo stack en una capa de operador? Envía el brief — presupuesto en 24 h.