Este proyecto se centra en la mejora y optimización del proceso de recomendación de referencias bibliográficas mediante la aplicación de Modelos de Lenguaje de Gran Escala (LLMs) y la técnica conocida como Generación Aumentada con Recuperación (RAG, por sus siglas en inglés). La selección y citación adecuadas de referencias constituyen elementos fundamentales en la producción académica, asegurando la credibilidad y validez de un trabajo. En este contexto, la utilización de LLMs permite explorar patrones de lenguaje y contexto en documentos relevantes, mientras que la implementación de RAG incorpora un enfoque de recuperación de información para potenciar la generación de citas. La sinergia entre estas dos tecnologías ofrece una perspectiva novedosa para mejorar la precisión y la coherencia en la recomendación de referencias, contribuyendo así al fortalecimiento de la calidad y rigor académico en la elaboración de documentos científicos. Este proyecto busca avanzar en la eficiencia y exactitud de los sistemas de recomendación de citas, explorando las posibilidades inherentes a la combinación de LLMs y RAG, y su impacto en benchmarks existentes.