Grounding

Definição em uma frase: ancorar a resposta em dados verificáveis externos ao modelo, para que ela venha da fonte e não da memória paramétrica.

Por que funciona

Porque troca onde o conhecimento mora:

	Sem grounding	Com grounding
Origem do fato	parâmetros do modelo (possivelmente inventado)	documento recuperado agora
Atualização	re-treinar	trocar o índice
Citação	impossível	natural
Verificação	impossível	comparável com a fonte

O caminho

flowchart LR
    Q[Pergunta] --> B[Busca híbrida<br/>BM25 + vetorial]
    C[Corpus] --> B
    B --> R[Reranking]
    R --> CTX[Contexto com citação]
    CTX --> L[LLM]
    L --> RES[Resposta ancorada<br/>ou recusa]

Os quatro passos que importam:

1. Recuperar o trecho relevante (busca híbrida — ver Busca Semântica).
2. Reranking — embeddings são bons em recall, imprecisos no ranking fino.
3. Citar — cada claim da resposta aponta para o trecho que a sustenta.
4. Recusar — sem evidência no contexto, a saída é “não consta”, não invenção.

O teste do grounding

Apague o contexto recuperado. A resposta muda? Se não muda, a resposta não estava ancorada — saiu do modelo.

É o teste mais barato que existe e pega o erro mais comum: grounding parcial, em que a resposta tem cara de ancorada (fala em “o documento diz”) mas os números e nomes saíram da memória do modelo.

Falhas de grounding

Falha	Como aparece	Mitigação
Recuperação errada	resposta ancorada no trecho errado	reranking, mais candidatos, query melhor
Contexto no meio	evidência existe mas é ignorada	posição nas pontas (ver Lost in the Middle)
Contexto irrelevante	ruído distorce a resposta	filtrar por relevância e por chunking (ver Chunking)
Sem recusa	inventa quando não há evidência	instrução de “não consta” + checagem de cobertura
Fonte desatualizada	ancorado em documento velho	frescor do corpus

Relação com alucinação

Grounding reduz alucinação, não elimina: ele transfere a fonte da verdade do modelo para o corpus. Se o corpus não tem o fato, o grounding nada faz — e ainda pode dar segurança falsa ao usuário (resposta com citação errada é pior que resposta sem citação). Ver Alucinação e RAG.

Autoavaliação

1. P: Como se prova que uma resposta está grounded? R: apagando o contexto e vendo se a resposta muda, ou conferindo cada claim contra o trecho citado.
2. P: Por que RAG não elimina a alucinação? R: o grounding transfere a fonte para o corpus; se o corpus não cobre o fato, o modelo continua respondendo do nada — e a citação cria confiança falsa.

Onde vi isso

• Visto em: Riscos e falhas em projetos de IA, Moderação de conteúdo com IA

Ver também

• RAG · Busca Semântica · Chunking · Lost in the Middle · Alucinação · Evals