8 arquitecturas RAG para ingenieros de IA: (explicadas con uso) 1) RAG Naive ↳ Recupera documentos puramente basados en la similitud vectorial entre la incrustación de la consulta y las incrustaciones almacenadas. ↳ Funciona mejor para consultas simples y basadas en hechos donde la coincidencia semántica directa es suficiente. 2) RAG Multimodal ↳ Maneja múltiples tipos de datos (texto, imágenes, audio, etc.) mediante la incrustación y recuperación a través de modalidades. ↳ Ideal para tareas de recuperación cruzada como responder a una consulta de texto con contexto tanto textual como visual. 3) HyDE (Incrustaciones de Documentos Hipotéticos) ↳ Las consultas no son semánticamente similares a los documentos. ↳ Esta técnica genera un documento de respuesta hipotético a partir de la consulta antes de la recuperación. ↳ Utiliza la incrustación de este documento generado para encontrar documentos reales más relevantes. 4) RAG Correctivo ↳ Valida los resultados recuperados comparándolos con fuentes confiables (por ejemplo, búsqueda en la web). ↳ Asegura información actualizada y precisa, filtrando o corrigiendo el contenido recuperado antes de pasarlo al LLM. 5) RAG Gráfico ↳ Convierte el contenido recuperado en un grafo de conocimiento para capturar relaciones y entidades. ↳ Mejora el razonamiento al proporcionar contexto estructurado junto con texto en bruto al LLM. 6) RAG Híbrido ↳ Combina la recuperación de vectores densos con la recuperación basada en grafos en una sola tubería. ↳ Útil cuando la tarea requiere tanto texto no estructurado como datos relacionales estructurados para respuestas más ricas. 7) RAG Adaptativo...