グラウンディングとは

モデルの答えを、信頼できる情報に結びつけることです。根拠になる情報には3種類あります。
- 自社のデータ（ファーストパーティ） … 社内規程、商品の資料、問い合わせの記録
- 他社のデータ（サードパーティ） … 契約して使う外部のデータ
- 世界の情報 … 公開されたWebの情報

RAG

RAG（検索拡張生成）は、質問に関係する資料を先に探し、その資料をプロンプトに入れてから答えさせる方法です。モデルを学習し直さずに、新しい情報や社内の情報で答えられ、根拠の資料を示せます。探した資料が間違っていれば答えも間違うので、資料の質と探し方が大事です。

Google Cloud のグラウンディングの提供物

• 用意済みの RAG（Agent Search）
• RAG の API（自分で組み立てる）
• Google 検索によるグラウンディング（公開の情報に根拠を持たせる）

出力の設定

• temperature … 低いほど決まった答え、高いほど多様な答え
• top-p … 確率の高い順に足して、p に届くまでの候補からだけ選ぶ
• 出力の長さ（トークン数） … 長すぎる答えと費用を抑える
• 安全の設定 … 有害な内容をどこまで止めるかを決める

社内規程の問い合わせのように正確さが大事なら temperature を低く、広告文の案出しなら高めにします。

• グラウンディングと、根拠になる3種類の情報
• RAG の仕組みと、利点と注意点
• Agent Search・RAG の API・Google 検索によるグラウンディング
• temperature・top-p・出力の長さ・安全の設定