Grounding（接地）

让模型生成内容锚定在检索证据、传感器数据或知识图谱上，减少幻觉，多模态与 RAG 系统的关键目标。 Grounding 要求模型输出锚定在可验证证据上，是降低幻觉、建设可信 AI 的核心工程目标。

工作原理

手段包括：RAG 注入检索片段、强制引用格式、工具/API 返回作为唯一事实源、多模态对齐（框选区域）、知识图谱约束。评测关注答案是否被证据支持（faithfulness）与引用是否正确。

应用场景

企业知识库、法律/医疗辅助、客服溯源、新闻事实核查、视觉问答「指着图说」。监管与审计场景尤其需要可追溯输出。

局限与误区

检索失败时模型仍会编造看似有引用的答案。仅加「请引用来源」指令不够，需检索质量、拒答策略与事后校验闭环。

发展脉络

NLP 时代即有 grounded generation 研究；LLM 时代与 RAG、Agent 工具调用融合；多模态 grounding 随 GPT-4V、Gemini 等视觉模型普及。