Grounding (Temellendirme)

Groundning (temellendirme), yapay zeka modellerinin ciktisini dogrulanabilir, gercek dunyayla uyumlu ve guvenilir bilgiye baglama surecidir. Buyuk dil modellerinin uretebilecegi yanlis, uydurma veya baskaliksiz bilgileri (halusinasyonlari) azaltmak icin uygulanan teknik ve mimarilerin genel adidir. Temel grounding yaklasımlari iki kategoride incelenir. Veri temelli grounding'da model, yanit uretirken harici bilgi kaynagina (belge, veri tabani, web araması) erisir ve yaniti bu kaynaklara dayandirır. RAG (Retrieval-Augmented Generation) bu kategorinin en yaygin ornekidir. Agis temelli grounding'da ise modele yanit olustururken kullanilacak referans belgeler veya baglam dogrudan saglanir. Yer ismi ve olgular bağlaminda grounding, adlarin gercek nesnelere veya kavramlara baglınmasıdır. Ornegin 'Paris' ifadesi, soyut bir karakter yerine gercekten Fransa'nin baskentine baglanmalidir. Bu tur grounding, entity linking ve bilgi grafigi entegrasyonu araciligiyla gerceklestirilir. Google gibi arama motorlari, Gemini modeline arama sonuçlarına erisim vererek grounding saglar. Bing Chat, sonuclari sitemize gonullu baglantılarla referans gostererek kaynak temelli dogrulama saglamaktadir. Azure AI Grounding API, kurumsal uygulamalarda modele spesifik belge kümelerine erisim saglanarak denetimli grounding gerceklestirilmesine olanak tanir. Grounding, oz-tutarlilik ile cakisir: model, birbiriyle cakisan iki yanit verdigi zaman ikisi de tutarli kabul edilemez. Grounding metrikleri arasinda RARR (Retrieval Augmented Revision and Rephrasing), QAGS ve Attribution Score gibi yontemler bulunmaktadir.