Ver metadatos
| dc.title | Estrategias de segmentación en sistemas RAG |
| dc.contributor.author | Riobó, Alexander |
| dc.contributor.author | Allmi, Natalia |
| dc.contributor.author | Durand, Victor |
| dc.contributor.orgunit | Departamento de Tecnología y Transformación |
| dc.contributor.orgunit | Sector de Infraestructura y Energía |
| dc.coverage | América Latina |
| dc.coverage | Caribe |
| dc.date.available | 2026-01-06T00:01:00 |
| dc.date.issue | 2025-12-30T00:12:00 |
| dc.description.abstract | Este documento evalúa cómo distintas estrategias de segmentación de texto (text splitters) afectan el rendimiento de sistemas RAG, usando preguntas de variada complejidad sobre documentos del sector Infraestructura y Energía del BID. Las respuestas se valoran en cinco métricas: accuracy, similarity, relevance, coherence y groundedness. Aunque hay diferencias entre las estrategias, la mayoría logra resultados similares y aceptables. Sin embargo, es fundamental considerar costos computacionales y casos de uso en el proceso de elección del splitter. |
| dc.format.extent | 42 |
| dc.identifier.doi | http://dx.doi.org/10.18235/0013892 |
| dc.identifier.url | https://publications.iadb.org/publications/spanish/document/Estrategias-de-segmentacion-en-sistemas-RAG.pdf |
| dc.language.iso | es |
| dc.publisher | Inter-American Development Bank |
| dc.subject | Inteligencia Artificial |
| dc.subject | Operación de Préstamo |
| dc.subject | Tecnología Exponencial |
| dc.subject | Procesamiento del Lenguaje Natural |
| dc.subject | Desarrollo de Infraestructura |
| dc.subject | Fuerza Laboral |
| dc.subject.jelcode | O32 - Management of Technological Innovation and R&D |
| dc.subject.jelcode | O36 - Open Innovation |
| dc.subject.keywords | Large Language Model;IA Generativa;Modelos de lenguahe extensos |
| dc.type | Notas Técnicas |
| idb.identifier.pubnumber | IDB-TN-03278 |
| idb.operation | BK-C2016 |