Acceso usuarios
Angel Freddy Godoy Viera
, José Antonio Moreiro González 
Objetivo: Para revisar sistemáticamente el estado de las aplicaciones del modelo de generación aumentada de recuperación (RAG) para la generación de texto se pretende como objetivo principal, hacer un levantamiento diagnóstico, con los propósitos secundarios de identificar las formas de difusión preferidas por los autores, revelar los temas abordados, las entidades financiadoras, además de establecer las redes de coautoría. Diseño/Metodología/Enfoque: Por su metodología es una investigación exploratoria-descriptiva y bibliográfica. Resultados/Discusión: Los resultados muestran que los autores prefieren publicar sus trabajos en congresos, la institución que financia más investigaciones es la National Natural Science Foundation of China, mientras que en Estados Unidos se produce el mayor número de publicaciones, predominan los autores afiliados a universidades y los temas de investigación más atendidos son los sistemas de grandes modelos de lenguaje, la respuesta a preguntas, la generación de texto y la elaboración de grafos de conocimiento. Conclusiones: En el campo científico de la información, el modelo RAG, se relaciona con la recuperación de información y con el procesamiento del lenguaje natural. Supera las limitaciones de grandes modelos de lenguaje, al agregarles información específica y actualizada de fuentes externas. Tiene grandes potencialidades de aplicación en las investigaciones de las humanidades digitales, por aprovechar el conocimiento aprendido en los parámetros de los grandes modelos de lenguaje pre-entrenados con informaciones de repositorios específicos que podrían ser bases de datos de documentos históricos, o de bibliotecas que pueden ser utilizados para crear nuevos servicios. Originalidad/Valor: Ofrece un primer panorama sobre modelo RAG, permitiendo que el profesional de la información entienda esa importante tecnología de inteligencia artificial generativa, además de conocer sus principales financiadores de las investigaciones, las redes de autoría entre las organizaciones y sus principales aplicaciones en la generación textual.
Objective: To systematically review the status of applications of the retrieval-augmented generation model (RAG) for text generation, the main objective is to make a diagnostic survey, with the secondary purposes of identifying the forms of dissemination preferred by the authors, revealing the topics addressed, the funding entities, and establishing co-authorship networks. Design/Methodology/Approach: Due to its methodology, it is an exploratory-descriptive and bibliographical research. Results/Discussion: The results show that authors prefer to publish their work in conferences, the institution that funds the most research is the National Natural Science Foundation of China, while in the United States the largest number of publications are produced, authors affiliated with universities predominate, and the most attended research topics are large language model systems, question answering, text generation, and the development of knowledge graphs. Conclusions: In the scientific field of information, the RAG model is related to the information retrieval and natural language processing. It overcomes the limitations of large language models by adding specific and updated information from external sources. It has great potential for application in digital humanities research, by taking advantage of the knowledge learned in the parameters of pre-trained large language models with information from specific repositories that could be databases of historical documents, or libraries that can be used to create new services. Originality/Value: It offers a first overview of the RAG model, allowing information professionals to understand this important generative artificial intelligence technology, in addition to knowing its main research funders, the authorship networks between organizations and its main applications in text generation.
