グラウンディング

モデルの内部知識は学習時に凍結され、損失があり検証不能です。グラウンディングは記憶を証拠に置き換えます。関連箇所（RAG）や検索結果を取得し、コンテキスト窓に入れ、回答にそれを引用させます。回答は検証可能になります — 引用を開き、原文を読み、自分で判断する。

素の RAG との違いは要件であり配管ではありません。グラウンディングされたシステムは、ソースが回答を支えないとき拒否かフラグを出し、その引用は実際に根拠テキストを指します。これが Perplexity、NotebookLM、企業アシスタントの中核の信頼機構であり、「ドキュメントとチャット」製品の生死が検索品質にかかる理由です。