Page 2 - Retrieval Augmented Generation
P. 2

Laboraatorio Innteligenncia Arttificial ee
                                             Interneet de lass Cosass



                 Ejempplo: Sistemas de diagnóóstico médico       fuentes de  informaciónn, como serr análisis
                 donde la precisiónn es primorddial.             políticos quue recogen  informacióón desde
                                                                 distintos meedios.
               6.  Efficcient RAG:
                 Sistemmas de resppuesta rápidda y de baajo     B Bibliografía
                 coste ccon menor cconsumo dee recursos.
                 Ejempplo: Chatbotts en línea  que requierren   A AWS. (s/f).  ¿Qué es laa RAG (geeneración
                 tiempoos de respueesta rápidos.                auumentada       por        recupeeración)?.

               7.  Goldden Retrievver RAG:                      htttps://aws.aamazon.comm/what-is/reetrieval-
                 Recuperación coon alta  pprecisión    en       auugmented-geeneration/
                 dominnios específiccos.
                 Ejempplo: Aplicaciiones de usso específiccos   D Desai, G. (20024). Explorring the 12 TTypes of
                 para  problemas  concretoss como  sser         R Retrieval-Auggmented  GGeneration  (RAG)
                 asistenntes  legalles  que    encuentren       M Models: Proos, Cons,  and Use Cases.
                 jurisprrudencia releevante.                    htttps://wwww.linkedin.coom/pulse/exxploring-
                                                                122-types-retriieval-augmennted-generaation-
               8.  Adapptive RAG                                raag-gaurang-ddesai-3lmd
                 Respueesta dinámicca que se addapta al perrfil
                 o conssulta del usuuario.                      W Wolff, H. (22023). RAGG 101: Demmystifying
                 Ejempplo: Sistemmas de reecomendacióón         R Retrieval-Auggmented Generation  PPipelines.
                 personnalizados  qque se ajustan a  llas       htttps://develloper.nvidia.com/blog//rag-101-
                 prefereencias del ussuario.                    deemystifying--retrieval-auugmented-
                                                                geeneration-piipelines/
               9.  Moddular RAG:
                 Componentes esccalables, peersonalizablees,    N Nigam, G.  ((2024). A  CComplete  GGuide to
                 arquiteectura flexxible usanddo módullos       R Retrieval-Auggmented Geeneration (RRAG): 16
                 intercaambiables.                              D Different Typpes, Their IImplementattion, and
                 Ejempplo:   Consstrucción   de   agenttes      U Use Cases
                 converrsacionales ppara ensambblar diferenttes   htttps://mediium.com/ainngineer/a-coomplete-
                 asistenntes (comerccial, soporte,, etc.).      guuide-to-retriieval-augmennted-generation-rag-

               10. Specculative RAAG:                           166-different-ttypes-their-immplementattion-
                 Predicción de la innformación o texto que el   100d482485177b
                 usuarioo podría neccesitar.
                 Ejempplo: Texto  ppredictivo  oo completaddo
                 de corrreo electrónnico.

               11. Agenntic RAG:
                 Permitte ejecutar  tareas coomplejas coon
                 razonaamiento y  ejecutar  herramienttas
                 como un agente auutónomo.
                 Ejempplo:   Agenntes   personales    q que
                 planifican actividades, autommatización  de
                 tareas, investigacióón, etc.

               12. Multti Head RAAG:
                 Análisiis de connsultas dessde múltiplles
                 perspeectivas  paara  capturrar  distinttos
                 aspectoos de los daatos.
                 Ejempplo: Manejo de consultas complejjas
                 que  rrequieren  mmúltiples peerspectivas  o
   1   2