Saltar al contenido
ReviewRamble

El boletín semanal

La IA, analizada, en tu bandeja de entrada.

  • Nuevas reseñas de herramientas, modelos, servidores MCP y repos, con el veredicto por delante
  • Precios y valoraciones revisados cuando algo cambia
  • Nuevos análisis en cuanto se publican

Modelos, agentes, servidores MCP y las herramientas que de verdad merecen tu tiempo.

Un correo a la semana. Date de baja con el enlace de cualquier boletín. Cómo usamos tu correo

Recuperación dispersa

La recuperación dispersa (sparse retrieval) representa consultas y documentos como vectores sobre un vocabulario en el que la mayoría de las entradas son cero y cada entrada distinta de cero es el peso de una palabra, de modo que la búsqueda puede usar índices invertidos rápidos como la búsqueda por palabras clave.

También llamado: sparse embeddings, SPLADE, learned sparse retrieval

Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas

En un embedding denso, todos los valores son distintos de cero y ninguno tiene un significado fijo. En un vector disperso, cada posición representa un término del vocabulario, y solo los términos que importan para el texto reciben un peso. BM25 es el método disperso clásico, con pesos que salen de una fórmula fija.

Modelos dispersos aprendidos

Modelos como SPLADE usan una red neuronal para fijar los pesos. También pueden añadir términos relacionados que el texto nunca usó, un paso llamado expansión, de modo que un documento sobre "automóviles" también recibe peso en "coche". El resultado conserva los puntos fuertes de la búsqueda por palabras clave, la coincidencia exacta de términos y los índices invertidos, y a la vez reduce parte de la distancia con los modelos densos en cuanto al significado.

Por qué usarla

Los vectores dispersos son fáciles de inspeccionar: puedes ver qué palabras provocaron una coincidencia. Funcionan bien con nombres, códigos y jerga que los modelos densos difuminan. Además se ejecutan en motores de búsqueda existentes. Una configuración habitual es la búsqueda híbrida con un recuperador disperso y otro denso, combinados antes del reranking.

Límites

Los modelos dispersos aprendidos necesitan una llamada al modelo al indexar y al consultar, a diferencia de BM25. Su vocabulario lo fija el tokenizador, así que pueden tener problemas entre idiomas. El soporte varía entre bases de datos vectoriales; comprueba la tuya antes de decidir.

Términos relacionados

BM25
BM25 es una fórmula de ordenación para la búsqueda por palabras clave. Puntúa cada documento según con qué frecuencia aparecen en él las palabras de la consulta, dando más peso a las palabras raras y menos mérito a los documentos largos y a los términos repetidos.
Búsqueda híbrida
La búsqueda híbrida (hybrid search) ejecuta una búsqueda por palabras clave y una búsqueda vectorial con la misma consulta y fusiona las dos listas ordenadas, para que los resultados coincidan tanto en las palabras exactas como en el significado.
Embedding
Un embedding (vector de representación) es una lista de números (un vector) que representa un fragmento de texto, una imagen u otros datos, generada de forma que los elementos con significado parecido acaban con vectores cercanos entre sí.
Búsqueda vectorial
La búsqueda vectorial (vector search) encuentra elementos comparando sus embeddings con el embedding de una consulta y devolviendo los más cercanos, de modo que los resultados coinciden por significado y no por palabras clave compartidas.
Reranking
El reranking (reordenación) es un segundo paso de búsqueda que toma una lista corta de documentos candidatos y los reordena según su relevancia para la consulta, usando un modelo más preciso pero más lento que el de la primera búsqueda.

Fuentes