Grounding 是什么：让回答依据资料，引用仍需核实
解释依据对齐与资料检索的关系，说明来源支持、版本及缺失信息怎样影响生成回答可靠性。
先理解这个概念
Grounding 在生成式 AI 中通常指让回答与提供或检索到的资料建立依据关系，而非只依靠模型内部知识。它可以使用搜索或知识库等来源，但不等于只要加链接就事实正确。应核对资料确实支持具体说法，缺少依据时保留未知；检索到相关页面和最终回答忠实于来源，是两个不同检查。
来源存在和结论被支持不是一回事
Google 的 Grounding 说明把模型输出与可核查来源联系，Microsoft 的 RAG 则描述检索后生成。相关资料可能只是讨论同一主题，并没有支持答案中的金额或日期。模型还可能把两份来源的不同条件合并成不存在的结论。应按关键事实检查对应原文，不以链接数量替代独立支持。资料本身也可能过期，因此需要核对适用版本，不能因为来源来自官方就忽略当前问题与发布日期之间的差异。
同一问题追查实际进入模型的材料
例如询问某产品的文件限制，先保存真实取回段落，再检查答案中的每个数值能否在原文找到。加入一个资料没有说明的追问，核对是否明确无法确认。引用落到首页或错误版本时，应当作需要修正的问题，不以格式完整为验收。本文没有运行搜索或知识库，例子用于验证。若资料未进入输入，就不能把答案碰巧正确称作成功依据对齐；需要保留从来源到结论的具体关系。
更新资料后需要重新检查旧结论
知识库撤回或网页变化时，缓存与索引可能继续保留旧材料，应检查更新是否真的影响回答。维护成本包括来源版本和引用核对，不只增加检索步骤。可以分别统计检索缺失与回答失真，决定修改资料处理还是生成要求。Grounding 有助于可追溯，但不能保证所有错误消失，也不代替重要事实的人工确认。最终报告应说明已用资料及未找到的依据，避免一段看起来有引用的文字掩盖真实缺口。
核对来源
以下资料用于核对概念和方法。文中的示例与测试范围分别注明，实际使用时请核对所用工具的版本。