El grounding conecta las respuestas de un modelo de lenguaje con fuentes externas concretas y verificables —documentos, bases de datos, resultados de búsqueda— reduciendo la dependencia exclusiva del conocimiento “memorizado” durante el entrenamiento, que puede estar desactualizado o ser incorrecto.
Su relación con RAG
RAG es la técnica más común para lograr grounding en la práctica: al recuperar documentos relevantes antes de generar una respuesta, ancla esa respuesta a información real y consultable, en lugar de depender únicamente de lo que el modelo aprendió durante su entrenamiento.