En preparación

Reliability by engineering: a RAG over Costa Rica's official gazette

Título de trabajo · Proyecto: Gaceta AI

Hipótesis

En un RAG sobre un diario oficial, la mayor parte de la confiabilidad sale de decisiones de ingeniería verificables y no de técnicas de recuperación más sofisticadas: segmentar por publicación, comprobar las citas por código y filtrar los datos personales antes de indexar. Se mide con una ablación sobre un conjunto de referencia nuevo, y los resultados pueden desmentirla.

Aportes

• Un conjunto de referencia abierto de preguntas sobre normativa costarricense, con respuesta y cita verificable (Gaceta, fecha y página).
• Una ablación de recuperación sobre un corpus jurídico en español: vectores, búsqueda híbrida, BM25, reranker y grafo de normas.
• Verificación de citas por código: cuántas citas inventa el generador y cuánto cuesta eliminarlas.
• Privacidad antes de indexar en un diario oficial que publica datos personales.
• Inyección de instrucciones desde el corpus: las publicaciones pagadas como vector de ataque.
• Comparación con asistentes generales con búsqueda web, en la misma tarea y con las mismas métricas.

Dónde se publicaría

1. Preprint en arXiv (cs.CL y cs.IR)
2. Workshop NLLP 2027, junto a EMNLP
3. ACL Rolling Review como artículo de recurso, si los resultados lo sostienen

Se escribe en inglés cuando estén medidos los resultados de las fases 1 y 2.