Evaluación de sistemas de recuperación de información en gallego para su utilización en arquitecturas RAG
Los sistemas de Retrieval-Augmented Generation (RAG) han adquirido una gran relevancia como estrategia para mejorar la precisión y la verificabilidad de los modelos de lenguaje, gracias a la combinación de generación con mecanismos de recuperación de información. No obstante, la mayoría de investiga...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2025 |
| País: | España |
| Institución: | Universidad Nacional de Educación a Distancia |
| Repositorio: | e-spacio. Repositorio Institucional de la UNED |
| Idioma: | español |
| OAI Identifier: | oai:e-spacio.uned.es:20.500.14468/31589 |
| Acceso en línea: | https://hdl.handle.net/20.500.14468/31589 |
| Access Level: | acceso abierto |
| Palabra clave: | 1203 Ciencia de los ordenadores Retrieval-Augmented Generation Recuperación de Información Evaluación Gallego Information Retrieval Evaluation Galician |
| Sumario: | Los sistemas de Retrieval-Augmented Generation (RAG) han adquirido una gran relevancia como estrategia para mejorar la precisión y la verificabilidad de los modelos de lenguaje, gracias a la combinación de generación con mecanismos de recuperación de información. No obstante, la mayoría de investigaciones se han orientado hacia lenguas con abundantes recursos lingüísticos y suelen evaluar la arquitectura completa, prestando menor atención al análisis detallado de cada una de sus fases. En este trabajo se aborda específicamente la etapa de recuperación de información en arquitecturas RAG, con un estudio centrado en el gallego y en el dominio de la prensa escrita. El análisis compara métodos léxicos clásicos con recuperadores densos multilingües de última generación, además de incorporar módulos neuronales de reranking. Para posibilitar la experimentación, se creó un conjunto de evaluación específico para el gallego y se desarrolló una herramienta modular de código abierto que automatiza la indexación, la recuperación y la evaluación. Los resultados muestran que los recuperadores densos multilingües superan sistemáticamente a los enfoques léxicos tradicionales, y que la integración de rerankers neuronales contribuye a mejorar de forma significativa la calidad del ranking. Estos hallazgos resultan especialmente relevantes en contextos donde no existen modelos entrenados específicamente para una lengua y es necesario recurrir a opciones multilingües. Junto con los recursos desarrollados, aportan un marco aplicable a otras lenguas minorizadas y contribuyen a ampliar el alcance de la investigación en RAG más allá de los contextos dominados por el inglés. |
|---|