مدل embedding معمولاً متن را به بردار عددی برای مقایسه یا بازیابی تبدیل میکند؛ مدل مولد متن، پاسخ یا محتوای تازه مینویسد. بردار مشابهت، جواب نهایی کاربر نیست و شباهت بالا نیز درستبودن یا اعتبار یک سند را ثابت نمیکند.
در جستوجو هر بخش چه میکند؟
ابتدا متن پرسش و اسناد با مدل برداری سازگار نمایش عددی پیدا میکنند. سپس سنجهای برای انتخاب موارد نزدیک به کار میرود. اگر تولید پاسخ لازم باشد، متنهای انتخابشده میتوانند به مدل مولد داده شوند. تغییر مدل برداری معمولاً نیازمند بررسی دوباره شاخص و ارزیابی بازیابی است؛ بردارهای مدلهای متفاوت را بدون قرارداد یک فضا فرض نکنید.
آزمون را دو مرحلهای بسازید
پیش از قضاوت درباره پاسخ نهایی، ببینید سند مناسب پیدا شده یا نه. اگر بازیابی غلط است، روانی مدل مولد مشکل را حل نمیکند. مجموعهای از پرسشها با سند مورد انتظار و چند مورد بدون پاسخ بسازید. سپس بررسی کنید پاسخ نهایی فقط بر شاهد مجاز تکیه میکند و از شباهت، قطعیت کاذب نمیسازد.
نمونه عملی
در مثال آموزشی، سؤال «لغو نوبت» به سند «تغییر زمان» نزدیک است. شباهت واژگان یا بردار میتواند آن سند را بالا بیاورد، اما سیاست لغو ممکن است متفاوت باشد. نخست سند درست را در آزمون بازیابی تعیین کنید و بعد پاسخ را بسنجید. کاربرگ یک ردیف برای سند مورد انتظار و یک ردیف برای پاسخ تولیدی دارد تا دو خطا با هم مخلوط نشوند. عدد امتیاز شباهت نمونهای در این متن اختراع نشده است.
| مورد بررسی | کار یا شاهد لازم | نتیجه مورد انتظار |
|---|---|---|
| ورودی | پرسش و مدل برداری ثبت شوند | فضای مقایسه معلوم |
| بازیابی | سند یافتهشده با انتظار تطبیق یابد | کیفیت جستوجو جدا |
| تولید | ادعا با متن منبع کنترل شود | پاسخ مستند |
| نبود پاسخ | مورد بدون سند آزمایش شود | شباهت معادل صحت نباشد |
کاربرگ قابل استفاده
ردیفهای جدول در فایل CSV این راهنما قرار دارند. ستون نتیجه واقعی، مسئول و تاریخ را پس از بررسی خودتان تکمیل کنید. مثالهای این نوشته آموزشیاند و گزارش آزمون یک محصول یا مشتری نیستند.
محدودیت و قدم بعد
انتخاب مدل برداری نیاز به آزمون زبان و محتوای واقعی دارد. هیچ آستانه شباهت عمومی برای همه مجموعهها وجود ندارد.
اگر مسئله اصلی شما پاسخگویی به مشتری است، پیش از هزینه برای زیرساخت، یک گفتوگوی واقعی و معیار پذیرش آن را مشخص کنید. برای آشنایی با مسیر محصول، راهنمای چت سایت اپرا و دموی اپرا را ببینید. این راهنما به معنی ارائه خدمات خرید یا اجرای GPU محلی از طرف اپرا نیست.