Fidelidad de cita en RAG empresarial: por qué recuperar un pasaje no es apoyarlo y por qué la cita adjunta aumenta la confianza del lector antes que la corrección de la respuesta (2023–2026) / Citation fidelity in enterprise RAG: why retrieving a passage is not supporting it and why the attached citation raises reader trust before it raises answer correctness (2023–2026)

Counts differ because each database indexes a different set of publications. We treat OpenAlex as the canonical count; Google Scholar is not shown (no API, and crawling it violates its ToS).

La generación aumentada por recuperación se instaló entre 2023 y 2026 como arquitectura por defecto del asistente interno de conocimiento sobre la premisa de que inyectar el documento suprime la invención. Este working paper sostiene que la premisa es incompleta de una forma específica y medible: la recuperación puede reducir la invención de hechos y a la vez aumentar la credibilidad de las afirmaciones que el documento no sostiene, porque la cita es un objeto de interfaz que el lector interpreta como verificación sin ejecutarla. Separamos tres eventos que la práctica confunde —recuperar un pasaje, que el pasaje apoye la frase generada y que el sistema atribuya esa frase a ese pasaje— y llamamos fallo de cita elocuente a la conjunción de atribución presente, apoyo ausente y confianza del lector alta. La evidencia verificada que sostiene el argumento es la siguiente. En RAGTruth, corpus de 17.790 respuestas de seis modelos con anotación manual a nivel de caso y de palabra, GPT-4-0613 produce respuestas con alucinación en el 9,3 % de los casos pese a disponer del contexto recuperado [1]. ReDeEP identifica el mecanismo interno: la alucinación ocurre cuando las redes feed-forward de conocimiento sobreenfatizan la memoria paramétrica en el flujo residual mientras las copying heads no logran retener o integrar el conocimiento externo [5]. En el plano de la medición, ALCE evalúa el apoyo de la cita mediante inferencia en lenguaje natural con el modelo TRUE (un T5-11B ajustado sobre conjuntos de NLI) y reporta que los mejores modelos carecen de soporte completo de cita el 50 % de las veces en ELI5; y su propia métrica automática, contrastada contra anotación humana como gold label, acierta el 77,6 % en precisión de cita y el 85,1 % en exhaustividad, es decir, el comprobador automático se equivoca aproximadamente en uno de cada cuatro juicios de precisión [2]. Del lado del lector, un experimento controlado publicado en AAAI 2025 documenta un aumento significativo de la confianza cuando hay citas presentes, incluso cuando las citas son aleatorias, y un descenso significativo cuando se obliga a los participantes a comprobarlas [4]. Del lado de la cadena de procesamiento, un preprint de workshop de autor único muestra que tras compresión abstractiva con RECOMP sobre ASQA la tasa de afirmaciones sin soporte es 0,88 al verificar tras recuperar la fuente original frente a 0,17 al verificar contra el resumen, con 0,95 frente a 0,50 en QASPER, y acuña para ese fenómeno el término attribution laundering [3]. Del lado jurídico, Moffatt v. Air Canada fija CA$650,88 por tergiversación negligente y rechaza expresamente la defensa del chatbot como entidad separada [6]. Concluimos que el comprobador de entailment con capacidad de rechazo no es una mejora opcional de calidad sino el componente que convierte una cita en una afirmación verificada, y que su ausencia es hoy un riesgo documentado y exigible. Advertimos con insistencia que precisión de cita, frecuencia de alucinación, tasa sin soporte y Span-F1 miden objetos distintos sobre corpus distintos con definiciones incompatibles de "sin soporte": no se restan y no comparten eje. Palabras clave: generación aumentada por recuperación, fidelidad de cita, atribución, entailment, alucinación extrínseca, conflicto de conocimiento, vigencia documental, compresión de contexto, confianza del lector, responsabilidad algorítmica. English abstract: Between 2023 and 2026 retrieval-augmented generation became the default architecture for enterprise knowledge assistants, on the premise that injecting the document suppresses invention. This working paper argues that the premise is incomplete in a specific and measurable way: retrieval can reduce fabricated facts while simultaneously increasing the credibility of claims the document does not support, because a citation is an interface object that readers treat as verification without performing it. We separate three events that practice conflates — retrieving a passage, the passage supporting the generated sentence, and the system attributing that sentence to that passage — and we name eloquent citation failure the conjunction of present attribution, absent support and high reader trust. The verified evidence is as follows. In RAGTruth, a corpus of 17,790 responses from six models with manual annotation at both case and word level, GPT-4-0613 produces hallucinated responses in 9.3% of cases despite having the retrieved context [1]. ReDeEP identifies the internal mechanism: hallucination occurs when Knowledge FFNs overemphasize parametric knowledge in the residual stream while Copying Heads fail to retain or integrate external knowledge [5]. On measurement, ALCE evaluates citation support through natural language inference with the TRUE model (a T5-11B fine-tuned on NLI datasets) and reports that the best systems lack complete citation support 50% of the time on ELI5; and its own automatic metric, validated against human annotation as gold labels, achieves 77.6% accuracy for citation precision and 85.1% for citation recall — meaning the automatic checker itself errs in roughly one out of four precision judgements [2]. On the reader side, a controlled experiment published at AAAI 2025 documents a significant increase in trust when citations are present, even when those citations are random, and a significant decrease when participants are required to check them [4]. On the processing chain, a single-author workshop preprint shows that after abstractive compression with RECOMP on ASQA the unsupported rate is 0.88 when verifying against the recovered original source versus 0.17 when verifying against the summary, with 0.95 versus 0.50 on QASPER, and coins the term attribution laundering [3]. On liability, Moffatt v. Air Canada awards CA$650.88 for negligent misrepresentation and expressly rejects the defence of the chatbot as a separate entity [6]. We conclude that an entailment checker with the power to refuse is not an optional quality improvement but the component that turns a citation into a verified claim, and that its absence is today a documented and enforceable risk. We insist throughout that citation precision, hallucination frequency, unsupported rate and span-F1 measure different objects over different corpora with incompatible definitions of "unsupported": they cannot be subtracted and do not share an axis. Keywords: retrieval-augmented generation, citation fidelity, attribution, entailment, extrinsic hallucination, knowledge conflict, document currency, context compression, reader trust, algorithmic accountability. Working paper de la serie WHITE-PAPERS (wp-2026-019, v0.9). Incluye versión en español e inglés. No revisado por pares. Uso de herramientas de IA declarado en el manuscrito; sin conflictos de interés ni financiación.

• Attributable Post-Rationalization in RAG Citations: A Controlled Reproduction and an RLVR Comparison

  arXiv (Cornell University) 2026 · 0 citations