グラウンディング技術

グラウンディング技術（Grounding Techniques）とは、LLMが生成するテキストを検証可能な事実・外部データ・信頼できるソースに根拠づけることで、ハルシネーション（事実誤認）を防止し回答の信頼性を高めるための技術・手法の総称です。RAGの普及によりグラウンディングは生成AIシステムの品質保証の中心的手法となっています。

主要なグラウンディング手法として、(1)RAG（Retrieval-Augmented Generation）：回答生成前に関連文書を検索してコンテキストに含める、(2)ツール使用（Tool Use）：リアルタイム検索API・計算機・データベースクエリをLLMから呼び出す、(3)引用付き回答（Citation Generation）：回答の各主張に出典文書のスニペットを紐付ける、(4)検索連動型生成：Microsoft Copilot・Perplexity AIなどが実装するウェブ検索統合があります。

グラウンディングの品質評価指標として、忠実性（Faithfulness：回答が取得文書に基づいているか）・引用精度（Citation Precision/Recall）・コンテキスト関連性（Context Relevancy）が広く使われています。

実装上の課題として、取得した文書の品質・新鮮さの管理、複数ソースの矛盾する情報の処理、引用のハルシネーション（架空の引用生成）への対策が挙げられます。これらに対してはリランキング・クロスチェック・引用検証パイプラインの設計が有効です。