Grounding（基于证据的生成） Grounding

让模型的回答“有证据可追溯”：结论应来自给定上下文/检索材料/工具结果，而不是凭空编造。

分类：model 类型：concept 别名：Grounded Generation, Groundedness, 基于证据, 证据对齐

Grounding（基于证据的生成）强调：模型输出的关键结论应能在给定证据中找到依据（例如检索结果、数据库查询结果、文档片段），并且最好能提供引用/片段来支持核验。这是降低幻觉、提高可用性的重要手段，尤其在 AI 搜索、企业知识库问答、合规场景中常见。

常见落地方式

• RAG：先检索证据，再在上下文中生成答案。
• 工具查询：通过工具调用拿到结构化结果，再基于结果生成。
• 引用与片段对齐：让答案中的关键句绑定到来源片段，便于自动核验与人工复查。

注意点

• 有“引用”不等于有 grounding：引用可能是装饰性的、或与结论不匹配，需要做一致性检查。
• Grounding 也会带来成本与延迟，需要缓存、分层与路由策略配合。

相关词条

• 幻觉（Hallucination）、RAG、AI 搜索、工具调用（Tool Calling）

实践入口

• RAG / AI 搜索指南（可引用清单）

延伸阅读（站内）

• RAG / AI 搜索实践指南

实践指南

• RAG / AI 搜索实践指南

打开 GitHub 界面，修改后直接生成 PR