Что это
Grounding — буквально «заземление». Ответ ИИ «заземлён», если каждое утверждение в нём привязано к конкретному найденному источнику, а не к тому, что модель когда-то видела при обучении и теперь смутно помнит.
Разница практическая: незаземлённая модель может уверенно назвать несуществующую цифру или неверную дату — это называют галлюцинацией. Заземлённая — сначала ищет факт в реальном документе, потом его пересказывает и обычно указывает, откуда он взят.
Чем это отличается от RAG
RAG — конкретная техническая реализация: поиск плюс генерация. Grounding — более широкое требование, цель, которую RAG помогает достичь. Пример от Google: функция «Grounding with Google Search» в Gemini подключает модель к живому поиску и, по данным разработчиков, снижает долю галлюцинаций примерно на 40% по сравнению с ответами без такого заземления.
Почему это важно вам
Заземлённость напрямую влияет на то, будет ли нейросеть вообще упоминать источники, когда отвечает на вопрос про вашу нишу. Если модель отвечает «из памяти», без заземления на реальные страницы, у вашего материала нет шанса попасть в ответ, каким бы хорошим он ни был — ссылаться не на что.
Отсюда практический вывод: попасть в заземлённый ответ может только то, что ИИ реально нашёл и прочитал в моменте — то есть проиндексированный, доступный для краулеров, актуальный материал, а не что угодно, лежащее в интернете.