Processant ...

Els sistemes RAG tradicionals basats només en vectors pateixen l'efecte "Lost in the Middle" i no connecten bé conceptes dispersos en documents complexos. D'altra banda, solucionar-ho amb GraphRAG normalment exigeix infraestructures costoses amb GPUs dedicades. La proposta és investigar la viabilitat de construir i comparar tres sistemes de recuperació sense utilitzar GPUs locals, delegant la càrrega computacional d'extracció a APIs d'inferència ràpida (Groq): RAG Vectorial (el model actual). GraphRAG (Graf de Coneixement en memòria). RAG Híbrid (Fusió de Vector + Graf). L'objectiu final serà desplegar-ho tot en una infraestructura Serverless i fer un estudi analític (benchmarking). Compararem el rendiment, la latència, els costos i la precisió de cada opció per demostrar empíricament els pros i contres, i justificar quan val la pena invertir en una arquitectura o una altra.