¿Qué es Corpus?

Explicación

Un corpus es una colección estructurada de documentos, usada para entrenar modelos o como base de conocimiento en sistemas RAG. La calidad del corpus afecta directamente la calidad de la generación.

Para seguir leyendo

• Bases de datos vectoriales para RAG: búsqueda semántica para LLM
• Fusion RAG: aumento de la precisión y la relevancia en la IA generativa

Términos relacionados

• Base de Conocimiento Repositorio estructurado de información; base de sistemas RAG y asistentes.
• RAG Recuperar documentos relevantes y usarlos como contexto para generar la respuesta.
• Aprendizaje federado Entrenamiento distribuido sin centralizar datos en bruto.
• Base de Datos Vectorial Base de datos optimizada para búsqueda por similitud de vectores (embeddings).
• Big Data Grandes volúmenes de datos que requieren herramientas especializadas; insumo para entrenar modelos.
• Búsqueda híbrida Combina recuperación léxica (BM25) y semántica (vectores) para mejor recall.