ΕπόμενοΕπόμενος οδηγός
Μη Μέγιστη Καταστολή
Οπτική τεχνητή νοημοσύνη
ΟΔΗΓΟΣ ΓΛΩΣΣΑΣ AI
Μέγιστη οριακή συνάφεια
Η Μέγιστη Οριακή Συνάφεια (MMR) είναι μια μέθοδος ανακατάταξης που εξισορροπεί το πόσο σχετικό είναι ένα αποτέλεσμα με το πόσο διαφορετικό είναι από τα αποτελέσματα που έχουν ήδη επιλεγεί.
Ακούστε αυτόν τον οδηγόαφήγηση με AI · ~2 min
Σε αυτήν τη σελίδα2 λεπτά ανάγνωση
Επισκόπηση
It matters because pure relevance ranking often returns near-duplicate passages that waste space in a RAG context window.
Βαθιά κατάδυση
Όταν ένα σύστημα αναζήτησης βαθμολογεί έγγραφα αποκλειστικά με βάση τη συνάφεια με ένα ερώτημα, τα κορυφαία αποτελέσματα είναι συχνά περιττά — πέντε αποσπάσματα λένε όλα το ίδιο πράγμα. Το MMR, που εισήχθη από τους Carbonell και Goldstein το 1998, το διορθώνει επιλέγοντας τα αποτελέσματα ένα κάθε φορά. Σε κάθε βήμα επιλέγει τον υποψήφιο που μεγιστοποιεί ένα σταθμισμένο μείγμα: λάμδα επί τη συνάφειά του με το ερώτημα, μείον (1 μείον λάμδα) επί τη μέγιστη ομοιότητα του με οτιδήποτε έχει ήδη επιλεγεί. Ένα λάμδα κοντά στο 1 ευνοεί την καθαρή συνάφεια. κοντά στο 0 ευνοεί τη διαφορετικότητα. Στη γενιά επαυξημένης ανάκτησης, το MMR είναι δημοφιλές για την ανάκτηση ποικίλου συνόλου τμημάτων, έτσι ώστε το γλωσσικό μοντέλο να βλέπει συμπληρωματικά στοιχεία αντί να επαναλαμβάνεται το ίδιο γεγονός, βελτιώνοντας την κάλυψη χωρίς να διευρύνει το πλαίσιο.
Υλοποίηση σε πραγματικό κόσμο
Ένα chatbot RAG χρησιμοποιεί ανάκτηση MMR, επομένως τα κορυφαία 5 κομμάτια του καλύπτουν διαφορετικές πτυχές μιας πολιτικής αντί για πέντε παραφράσεις της ίδιας παραγράφου.
Ένα εργαλείο περίληψης έρευνας εφαρμόζει το MMR για να επιλέξει αποσπάσματα που ελαχιστοποιούν την επικάλυψη, δημιουργώντας μια ευρύτερη, λιγότερο επαναλαμβανόμενη περίληψη.
Ένας συναθροιστής ειδήσεων ταξινομεί άρθρα με MMR για να δείξει ποικίλη κάλυψη ενός γεγονότος αντί δέκα ειδήσεων που επαναλαμβάνουν μια ενημερωτική ιστορία.
Το vector store retriever του LangChain εκθέτει το search_type='mmr' με fetch_k και lambda_mult για να διαφοροποιήσει τα επιστρεφόμενα έγγραφα.
Το μέλλον της μέγιστης οριακής συνάφειας
Το MMR παραμένει μια ελαφριά προεπιλογή σε πελάτες διανυσματικών βάσεων δεδομένων όπως το LangChain και το Chroma, όπου προσφέρεται ως λειτουργία ανάκτησης μίας γραμμής. Τα μελλοντικά συστήματα το συνδυάζουν ολοένα και περισσότερο με στόχους μαθημένης ποικιλομορφίας, επιλογή βάσει συμπλέγματος και ανακατατάξεις πολλαπλών κωδικοποιητών που κρίνουν την καινοτομία πιο σημασιολογικά από την απόσταση συνημιτόνου. Καθώς τα παράθυρα περιβάλλοντος αυξάνονται, η έμφαση μετατοπίζεται από την εξοικονόμηση χώρου στην επιμέλεια γνήσιας συμπληρωματικών στοιχείων, διατηρώντας την επιλογή με επίγνωση της διαφορετικότητας, όπως το MMR, σχετική ακόμα και όταν η ακατέργαστη χωρητικότητα είναι άφθονη.
Κάνοντάς το στην πράξη
Γιατί έχει σημασία
- Ταχύτητα και κλίμακα. Οι ροές εργασίας της γλώσσας μπορούν να κινηθούν πιο γρήγορα χωρίς να θυσιάζεται η συνέπεια.
- Πρόσβαση και προσέγγιση χρηστών. Επεκτείνει την πρόσβαση σε όλες τις γλώσσες και τα στυλ επικοινωνίας.
- Σαφέστερες αποφάσεις. Οι ομάδες μπορούν να αφιερώσουν περισσότερο χρόνο στην κρίση, ενώ ο αυτοματισμός χειρίζεται την επανάληψη.
Προσέξτε
- Τα παραισθησιακά γεγονότα μπορούν να εισάγουν αθόρυβα αναφορές, να υποστηρίζουν ροές ή αποτελέσματα έρευνας.
- Η άμεση ευαισθησία μπορεί να δημιουργήσει ασυνεπή αποτελέσματα σε παρόμοια αιτήματα.
- Τα ευαίσθητα δεδομένα κειμένου ενδέχεται να εκτεθούν εάν τα στοιχεία ελέγχου πρόσβασης είναι αδύναμα.
Επόμενα βήματα
- Καθορίστε τη μορφή εξόδου, τον τόνο και τα πρότυπα ποιότητας πριν από την κυκλοφορία.
- Επίγειες απαντήσεις με αξιόπιστες πηγές όποτε έχει σημασία η ακρίβεια.
- Διατηρήστε ένα σημείο ελέγχου ανθρώπινης αξιολόγησης για αποτελέσματα υψηλού πονταρίσματος.
- Παρακολουθήστε τα μοτίβα αποτυχίας και επανεκπαιδεύστε τις προτροπές ή τις ροές εργασίας τακτικά.
Συνεχίστε την εξερεύνηση
Δωρεάν ενημερωτικό δελτίο
Λάβετε την καθημερινή ενημέρωση AI
Τρία επαληθευμένα νέα AI κάθε πρωί της εβδομάδας, γραμμένα σε απλή αγγλική. Δωρεάν για πάντα, χωρίς διαφημίσεις.
Ένα email κάθε εργάσιμη ημέρα. Κατάργηση συνδρομής με ένα κλικ. Δεν πουλάμε ή μοιραζόμαστε ποτέ τη διεύθυνσή σας.
Δοκιμάστε τον εαυτό σας
Take the Maximum Marginal Relevance quiz
Άμεση ανάδραση σε κάθε απάντηση, και πιστοποιητικό με επαληθεύσιμο ID μόλις περάσετε το μάθημα.
Υποστηρίξτε τη δωρεάν εκπαίδευση AI. AI Understanding είναι μια μη κερδοσκοπική οργάνωση 501(c)(3) — χωρίς διαφημίσεις, χωρίς τοίχο πληρωμής, ποτέ. Κάντε μια δωρεά
Συχνές ερωτήσεις
What is Maximum Marginal Relevance?
Η Μέγιστη Οριακή Συνάφεια (MMR) είναι μια μέθοδος ανακατάταξης που εξισορροπεί το πόσο σχετικό είναι ένα αποτέλεσμα με το πόσο διαφορετικό είναι από τα αποτελέσματα που έχουν ήδη επιλεγεί. Έχει σημασία γιατί η καθαρή κατάταξη συνάφειας συχνά επιστρέφει σχεδόν διπλά αποσπάσματα που σπαταλούν χώρο σε ένα παράθυρο περιβάλλοντος RAG.
Ποιο είναι το κύριο πρόβλημα που έχει σχεδιαστεί για να λύσει το MMR;
Το MMR αντιμετωπίζει την τάση της κατάταξης μόνο για συνάφεια να εμφανίζει πολλά αποτελέσματα που λένε ουσιαστικά το ίδιο πράγμα, επιβραβεύοντας την καινοτομία.
Στον τύπο MMR, τι τονίζει μια τιμή λάμδα κοντά στο 1;
Συνάφεια βαρών λάμδα. κοντά στο 1 κυριαρχεί ο όρος συνάφειας, ενώ κοντά στο 0 κυριαρχεί ο όρος ποικιλομορφία (χαμηλή ομοιότητα).
Πώς επιλέγει το MMR τα αποτελέσματά του;
Το MMR είναι μια άπληστη επαναληπτική μέθοδος: κάθε επιλογή μεγιστοποιεί τη συνάφεια μείον τη μέγιστη ομοιότητα με τα αντικείμενα που έχουν ήδη επιλεγεί.
How can an embedding-based MMR implementation measure query relevance and document redundancy?
The general algorithm permits suitable similarity functions; cosine is a common choice for vector representations.
Γιατί είναι ιδιαίτερα χρήσιμο το MMR στην επαυξημένη παραγωγή ανάκτησης (RAG);
Διαφοροποιώντας τα ανακτημένα κομμάτια, το MMR βοηθά το μοντέλο να δει ποικίλα στοιχεία αντί να επαναλαμβάνεται το ίδιο γεγονός, βελτιώνοντας την κάλυψη.
Συνέχισε να μαθαίνεις
Σχετικοί οδηγοί
Επιλέχθηκαν περισσότεροι οδηγοί για αυτό το θέμα