Groundedness-Aware Retrieval in Government Document Chatbots: Systematic Literature Review and Semantic Alignment Score (SAS) Formulation

Resumen

La aplicación de modelos lingüísticos en los servicios públicos alienta a las agencias gubernamentales a adoptar chatbots basados ​​en recuperación de generación aumentada como interfaces para el conocimiento regulatorio y los documentos oficiales. Sin embargo, la dedicación de RAG a los documentos oficiales no garantiza la ausencia de alucinaciones como producto final. RAG tampoco reduce la confianza pública ni la seguridad jurídica. Este artículo presenta una revisión sistemática de la literatura sobre los chatbots RAG en el sector gubernamental desde una perspectiva regulatoria, al mismo tiempo que formula el concepto básico de puntuación de alineación semántica como una medida cuantitativa de conexión a tierra. La recuperación de artículos se limitó a los años 2021-2025 en las plataformas SpringerLink, Scopus y Taylor & Francis, resultando en 7.947 artículos procesados ​​con filtros PRISMA para obtener 100 artículos de calidad de revistas Q1 y Q2. Con base en ocho preguntas de investigación existentes, hemos mapeado publicaciones, características de documentos, arquitectura RAG, estrategias de recuperación, definiciones de fundamento, enfoques de medición de la confianza del usuario y métricas de evaluación. Los resultados de esta revisión demuestran muy específicamente una fundamentación dividida. Esto se debe a que la literatura se refiere a recuperadores y reclasificadores, mientras que la definición y formulación de fundamentos y métricas para la medición como se analiza en documentos gubernamentales son muy raras. Con base en la incertidumbre metodológica y la literatura existente, proponemos un marco de puntuación de alineación semántica que tiene como objetivo integrar estos tres elementos para lograr una confiabilidad sólida en los chatbots regulatorios.