事实锚定

换成大白话

事实锚定（Grounding）是让模型生成内容锚定到可验证的外部事实来源（文档、数据库、搜索结果、知识图谱）的技术，目的是提升回答的事实准确性和可溯源性。 Grounding与RAG紧密相关但侧重不同：RAG强调"检索-生成"流程，Grounding强调"输出有据可查"。一个良好的Grounded系统不仅检索相关文档，还在回答中标注引用来源，让用户能核实。Google Gemini、Perplexity、Bing Chat等产品都将Grounding作为核心特性。 Grounding是企业级AI应用的关键要求，特别是在医疗、法律、金融等高风险场景。它通过"让模型说出依据"降低幻觉风险，提升用户信任。实现良好的Grounding需要高质量检索、精准引用映射和清晰的UI呈现。

它通常在什么场景出现

这个术语常见于模型选择、训练与微调、推理与部署、评测或产品功能说明等场景；当你遇到“事实锚定”时，多半是在讨论模型行为、处理方式或指标口径。

具体出现在哪类场景，可以用下方“跨库查找”搜索包含该概念的模型、训练、评测或产品资料。

容易混淆的地方

不要把“事实锚定”理解成模型本身的能力或在某个榜单上的具体名次；它更多是描述一种机制、一种处理方式或一个指标口径，而不是模型实力的绝对结论。