Grounding（接地／有根據）
又稱：有根據 · 接地 · 可溯源 · grounded · 可查證
把模型的每一句主張，綁回一個讀者能自己去查證的來源；不是「它說有出處」，而是「出處確實在、且確實支持這句話」。
你會在什麼時候遇到它
這是把 AI 從「聽起來對」拉到「查得到對」的關鍵。在企業、金融、醫療這些錯了要負責的場景，一個不能被查證的答案等於沒有答案。理解 grounding 與「只是附個連結」的差別，你才知道怎樣的 AI 輸出才敢用。
打個比方
像寫論文的腳註。糟糕的腳註是文末列一堆沒在正文對應的書名（看似有引用）；真正的 grounding 是每一句主張後面都標一個編號，你翻到那一頁，那句話確實支撐它。前者是裝飾，後者是可查證。
最小範例
主張：「本公司 2024 年營收增長 18%」
✗ 只是「引用來源」：
回答末尾附上「資料來源：年報」
→ 但年報有 200 頁，18% 這個數從哪來？沒法查
✓ 真正「有 grounding」：
「營收增長 18%〔年報第 45 頁，合併損益表〕」
→ 翻到第 45 頁，那個數字確實在、確實支持這句
差別：能不能被一個讀者在合理時間內，自己核對到關鍵在最後一行：grounding 的標準不是「有沒有附來源」，而是「讀者能不能真的順著來源核對到那句話」。附上一個模糊的出處很容易，但那不叫 grounding；能把主張精確定位到可核對的頁、表、段落，才是。這也是 RAG 相比裸模型的核心優勢：它天生帶著「這句來自哪段檢索結果」。
最常搞錯的地方
- 把「模型說有來源」當成「有 grounding」。模型會連來源一起編（幻覺），它聲稱的頁碼、連結可能是假的。grounding 的檢驗是你真的去核對那個來源，不是它聲稱有。
- 以為只要做了 RAG 就自動 grounded。RAG 提供了「主張可能來自哪段資料」的通道，但如果系統沒把檢索到的出處一併保留、展示給使用者，答案照樣無法查證。grounding 要求把來源一路帶到最終輸出。