生活分享

接地（Grounding）是什麼：讓 AI 的回答有可以對回去的依據

接地（Grounding）在生成式 AI 產品裡，指讓回答連到可查證的來源，例如搜尋結果或你提供的文件；同一個詞也用在符號接地問題與視覺接地。內容拆開三種用法，說明檢索、放入上下文與附上引用的流程，示範逐句核對一個報名日期，並解釋為什麼有引用仍可能只支持一半，也不保證沒有幻覺。

閱讀時間約 8 分鐘

一個對話框的三行文字，各有細線連到文件上的一行，其中一份文件被放大鏡檢視
圖片：Mokaair (© Mokaair)

接地，英文 Grounding，在生成式 AI 的產品文件裡，指讓模型的回答連到可以查證的來源：系統先取得搜尋結果或你提供的文件，回答再把其中的說法標上對應的來源。它給讀者一條回頭核對的路，但不保證回答因此正確。

這個詞在認知科學、電腦視覺等領域另有很不一樣的意思，所以下面先分清三種用法，再看產品裡怎麼運作，以及有引用為什麼還要核對。

先分清楚：同一個詞，三種用法

Google 的 Gemini API 文件把 Grounding with Google Search 當成功能：讓模型取得即時網路內容並引用來源，繁體中文頁面譯作「以 Google 搜尋建立基準」；Anthropic 的 Citations 文件則是讓回答對回你提供的文件。各家範圍不一定相同，讀到「有接地」，要回頭看它實際接了什麼。

三種用法辨識表；來源查證於 2026 年 10 月。
用法接在一起的兩端讀到時先問
產品的接地（主講）回答裡的說法，和可查證的來源這句話在來源的哪一段？
符號接地問題符號，和感官經驗與外界事物符號的意義從哪裡來？
視覺接地一段文字描述，和影像中的區域這個詞指的是圖上哪一塊？

產品裡的接地怎麼運作

Google Cloud 文件把接地定義為把模型輸出連到可驗證資訊來源的能力。實際流程可以拆成三步。取得資料：Gemini API 文件說，啟用搜尋工具後，模型先判斷搜尋能否改善答案，需要時自己產生查詢並執行；Anthropic 則用你交給 API 的文件，預設切成句子，作為可引用的單位。放進上下文：這是本文的概括，指取回的內容和你的問題一起交給模型，回答依據它寫成。回傳對應：Gemini 的引用註記把回答中的一段文字連到來源網址，Claude 則附上被引用的原文與它在文件中的位置。想用程式讀這些欄位，可參考Gemini API 搜尋引用。

要不要搜尋由模型判斷；Gemini 文件描述的是回答「成功接地」時，文字會帶有引用註記。所以開了搜尋工具，不保證每次都有搜尋與引用；核對時看回應實際出現了什麼，不要只看設定。

有引用，不等於有支持

引用告訴你這句話出自哪裡，不代表來源真的這樣寫。以 Anthropic 文件為例，它把引用描述成支持說法的原文段落，但用上「保證」一詞的只有一點：因為 API 會解析引用並直接取出原文，引用一定指向你提供的文件中有效的位置。那一段是否足以支持整句，文件沒有保證；句子仍可能多寫了原文沒有的條件。

兩項研究量過這個落差，數字只屬於各自的設定。Gao 等人的 ALCE 基準用自然語言推論（NLI）模型自動判定陳述是否被所引段落完整支持；他們 2023 年用當時的模型測試 ELI5 長篇問答，摘要寫到最好的模型也有一半的情況缺少完整的引用支持。Liu 等人請人工評分員審查四個商用生成式搜尋引擎在 2023 年 2 月下旬到 3 月下旬的回應：平均只有 51.5% 的句子完整被引用支持，74.5% 的引用支持所附的句子（幾個引用合起來才完整支持一句時，各自只支持一部分的也算在內）。這些都是三年多前的系統，不代表今天的產品，但能告訴你該檢查什麼。

第二個落差在來源本身。Rashkin 等人提出的歸因評估框架 AIS，只問陳述能否歸到已指明的來源，刻意不判斷事實真偽，並指出還需搭配來源品質等評估。轉貼可能逐字支持某句話，卻是舊版本；網頁自己也可能寫錯。

示例：核對一個報名日期

以下是虛構示例，沒有實測任何產品。假設你問某市立圖書館的夏季講座何時開放報名，工具回三句話，各附一個來源。來源 A 是主辦單位公告，寫線上報名自 7 月 1 日上午起受理；來源 B 是活動網站的轉貼，寫 7 月 8 日開放，沒有更新日期。三句是：7 月 1 日開放線上報名（附 A）；7 月 1 日起可線上或到現場報名（附 A）；另有網站寫 7 月 8 日才開放（附 B）。

  1. 拆句：每句只留一個可查的主張，記下附的來源。
  2. 開來源：在原文找到對應那一句，不能只看網址或標題。
  3. 比對：日期、主體、條件逐項對，標成完整、部分或不支持（分級借自 Liu 等人）。
  4. 看來源：它是原始公布還是轉貼，有沒有更新日期。

預期結果：第一句與來源 A 一致，完整支持。第二句的線上部分有依據，現場報名 A 沒寫，是部分支持；這種最容易漏掉，因為連結對、前半句也對。第三句與來源 B 的原文相符，但 B 是沒有更新日期的轉貼，與公告衝突，不能直接當日期。處理：第一句採用，第二句刪掉現場報名或註明來源沒寫，第三句以主辦單位公告為準，仍不確定就問主辦單位。找不到對應的原文，就當成沒有依據，不要替模型補一個看似合理的出處。

三句示例回答各連到來源 A 或來源 B：第一句完整支持，第二句只有部分支持，第三句文字相符但來源是未標更新日期的轉貼，需要再查
示例的逐句核對：先看這句話被來源支持到哪裡，再看來源是否可靠。 · 圖片：Mokaair (© Mokaair)

與 RAG、幻覺、知識截止日的關係

Google Cloud 文件列出多種接地的接法，例如 Google 搜尋、你自己的搜尋 API、RAG Engine。所以在 Google 的分類裡，是接地的做法之一：接地關心說法能否回到來源，RAG 是先檢索再生成的流程。其他廠商未必同樣劃分。

幻覺方面，Google 的兩份文件都把減少幻覺列為好處，措辭是降低，不是消除；前面的研究也顯示，有引用的回答仍有沒有支持的句子。接地讓錯誤比較容易發現與追查，但核對這一步省不掉。拆解可查主張的做法見。

Gemini 文件也把回答近期事件、引用截止日以後的來源，列為搜尋接地的用途之一；知識截止日的意義可看。

其他用法：符號、影像與對話

符號接地問題最常被引用的是 Harnad 1990 年的同名論文：形式符號系統的意義，如何屬於系統本身，而不是依附人們腦中的解讀？他用「只靠中文對中文字典學中文」作比喻，並勾勒一個候選解法：符號由下而上，接到由感官輸入形成的非符號表徵。用到大型語言模型上，看法分歧：Harnad 在 2024 年的論文認為 ChatGPT 缺少直接的感覺動作接地，Mollo 與 Millière 則論證語言模型可以達成指稱接地。這裡不下結論；這和產品的「附來源」是兩回事。

視覺接地是給一段文字，找出影像中對應的區域。Flickr30k Entities 資料集替圖片說明裡的詞組標上邊界框，用來評測文字所指的實體在圖上的位置；Kosmos-2 則讓多模態模型把文字片段和邊界框一起輸出。這和回答有沒有來源無關。

此外，心理學家 Clark 與 Brennan 在 1991 年的〈Grounding in Communication〉裡用這個詞指對話中的協作：雙方設法確認剛說的話已被理解，納入彼此的共同基礎（common ground）。這是人與人的溝通，這裡不展開。

其他相關概念可從找起。

同主題延伸閱讀

  • 生活分享

    世界模型（World Model）是什麼：讓 AI 預測「接下來會怎樣」

    世界模型指 AI 內部用來預測「這樣做之後會怎樣」的模型，但這個詞至少有三種用法：強化學習代理在想像中練習用的環境模型、LeCun 主張預測抽象表示的架構路線，以及能隨操作即時生成畫面的互動環境。內容用示例說明怎麼在想像中規劃，並列出大型語言模型有沒有世界模型的正反研究，附讀新聞時的檢查問題。

  • 生活分享

    視覺語言模型（VLM）是什麼：讓 AI 讀圖片、再用文字回答

    視覺語言模型（VLM）能同時接收圖片與文字，再用文字回答。內容拆解視覺編碼器、連接層與語言模型三段結構，說明 CLIP、Flamingo、LLaVA 三篇論文各補上哪一塊，並和多模態 AI、文字生圖分清楚；也整理它常犯的錯：數錯數量、搞混位置、說出圖裡沒有的東西，附上讀收據時逐行核對的步驟。

  • 生活分享

    溫度（Temperature）是什麼：AI 回答變化程度的取樣參數

    溫度（temperature）是文字生成時調整取樣的參數，讓模型從下一個 token 的機率分布裡抽得更集中或更分散。用假想的台南早餐示例算出低溫與高溫的差別，說明 top-p 的來源和它與 top-k 的差別，並依官方文件與論文指出：調低溫度不代表更準，設成 0 也不保證每次相同，部分模型還不開放調整。

  • 生活分享

    合成資料（Synthetic Data）是什麼：兩種用途、品質控管與模型崩潰

    合成資料是由演算法或模型產生、模仿真實資料特徵的資料，常見用途有兩種：訓練模型，以及在隱私需求下替代真資料。內容依 Self-Instruct、模型崩潰研究（替換與累積資料的差別）與 NIST、ICO 的隱私文件，說明做法、抽查流程，以及它不能保證的事。

引用本文的文章

最新旅遊情報攻略

資料來源

生活分享