भाषा एआई गाइड
अधिकतम सीमान्त प्रासंगिकता
अधिकतम सीमांत प्रासंगिकता (एमएमआर) एक पुन: रैंकिंग पद्धति है जो यह संतुलित करती है कि कोई परिणाम कितना प्रासंगिक है और यह पहले से चुने गए परिणामों से कितना अलग है।
इस गाइड को सुनेंएआई-नैरेटेड · ~2 min
इस पृष्ठ पर2 मिनट लाल
सिंहावलोकन
यह मायने रखता है क्योंकि शुद्ध प्रासंगिकता रैंकिंग अक्सर लगभग डुप्लिकेट मार्ग लौटाती है जो आरएजी संदर्भ विंडो में जगह बर्बाद करती है।
गहरा गोता
जब एक खोज प्रणाली किसी क्वेरी की प्रासंगिकता के आधार पर दस्तावेज़ों को स्कोर करती है, तो शीर्ष परिणाम अक्सर अनावश्यक होते हैं - पांच मार्ग सभी एक ही बात कहते हैं। 1998 में कार्बोनेल और गोल्डस्टीन द्वारा शुरू किया गया एमएमआर, एक समय में एक परिणाम का चयन करके इसे ठीक करता है। प्रत्येक चरण में यह उस उम्मीदवार को चुनता है जो भारित मिश्रण को अधिकतम करता है: लैम्ब्डा क्वेरी के लिए इसकी प्रासंगिकता का गुना है, माइनस (1 माइनस लैम्ब्डा) पहले से चयनित किसी भी चीज़ के लिए इसकी अधिकतम समानता का गुना है। 1 के निकट एक लैम्ब्डा शुद्ध प्रासंगिकता का पक्षधर है; 0 के करीब यह विविधता का पक्षधर है। पुनर्प्राप्ति-संवर्धित पीढ़ी में, एमएमआर टुकड़ों के विभिन्न सेट लाने के लिए लोकप्रिय है, इसलिए भाषा मॉडल एक ही तथ्य को दोहराने के बजाय पूरक साक्ष्य देखता है, जिससे संदर्भ को बढ़ाए बिना कवरेज में सुधार होता है।
वास्तविक विश्व कार्यान्वयन
आरएजी चैटबॉट एमएमआर पुनर्प्राप्ति का उपयोग करता है इसलिए इसके शीर्ष 5 भाग एक ही पैराग्राफ के पांच पैराग्राफ के बजाय पॉलिसी के विभिन्न पहलुओं को कवर करते हैं।
एक शोध सारांशीकरण उपकरण उन अनुच्छेदों को चुनने के लिए एमएमआर लागू करता है जो ओवरलैप को कम करते हैं, एक व्यापक, कम दोहराव वाला सारांश तैयार करते हैं।
एक समाचार एग्रीगेटर एक वायर स्टोरी को दोहराने वाले दस आउटलेट के बजाय किसी घटना के विभिन्न कवरेज दिखाने के लिए एमएमआर के साथ लेखों को रैंक करता है।
लैंगचेन का वेक्टर स्टोर रिट्रीवर लौटाए गए दस्तावेज़ों में विविधता लाने के लिए search_type='mmr' को Fetch_k और Lambda_mult के साथ उजागर करता है।
अधिकतम सीमांत प्रासंगिकता का भविष्य
लैंगचेन और क्रोमा जैसे वेक्टर-डेटाबेस क्लाइंट में एमएमआर एक हल्का डिफ़ॉल्ट बना हुआ है, जहां इसे एक-लाइन पुनर्प्राप्ति मोड के रूप में पेश किया जाता है। भविष्य की प्रणालियाँ इसे तेजी से सीखी गई विविधता के उद्देश्यों, क्लस्टर-आधारित चयन और क्रॉस-एनकोडर रीरैंकर्स के साथ जोड़ती हैं जो नवीनता को कोसाइन दूरी की तुलना में अधिक शब्दार्थ रूप से आंकते हैं। जैसे-जैसे संदर्भ खिड़कियां बढ़ती हैं, जोर जगह बचाने से हटकर वास्तविक रूप से पूरक साक्ष्य तैयार करने पर केंद्रित हो जाता है, जिससे कच्ची क्षमता प्रचुर मात्रा में होने पर भी एमएमआर जैसे विविधता-जागरूक चयन को प्रासंगिक रखा जा सके।
इसे व्यवहार में लाना
यह क्यों मायने रखता है?
- गति और पैमाना. भाषा वर्कफ़्लो निरंतरता से समझौता किए बिना तेज़ी से आगे बढ़ सकता है।
- पहुंच और पहुंच. यह सभी भाषाओं और संचार शैलियों तक पहुंच का विस्तार करता है।
- स्पष्ट निर्णय. टीमें निर्णय लेने में अधिक समय व्यतीत कर सकती हैं जबकि स्वचालन पुनरावृत्ति को संभालता है।
का ध्यान रखें
- मतिभ्रम वाले तथ्य चुपचाप रिपोर्ट में प्रवेश कर सकते हैं, प्रवाह का समर्थन कर सकते हैं, या अनुसंधान आउटपुट का समर्थन कर सकते हैं।
- त्वरित संवेदनशीलता समान अनुरोधों में असंगत परिणाम पैदा कर सकती है।
- यदि पहुंच नियंत्रण कमजोर हैं तो संवेदनशील पाठ डेटा उजागर हो सकता है।
अगले चरण
- रोलआउट से पहले आउटपुट स्वरूप, टोन और गुणवत्ता मानकों को परिभाषित करें।
- जब भी सटीकता मायने रखती है तो विश्वसनीय स्रोतों के साथ जमीनी प्रतिक्रियाएँ।
- उच्च जोखिम वाले आउटपुट के लिए एक मानव समीक्षा चेकपॉइंट रखें।
- विफलता पैटर्न को ट्रैक करें और संकेतों या वर्कफ़्लो को नियमित रूप से पुनः प्रशिक्षित करें।
अन्वेषण करते रहें
मुफ़्त न्यूज़लेटर
दैनिक एआई ब्रीफिंग प्राप्त करें
हर कार्यदिवस की सुबह तीन सत्यापित एआई कहानियाँ, सादे अंग्रेजी में लिखी गईं। हमेशा के लिए मुफ़्त, कोई विज्ञापन नहीं।
प्रत्येक सप्ताह के दिन एक ईमेल. एक क्लिक में सदस्यता समाप्त करें. हम आपका पता कभी नहीं बेचते या साझा नहीं करते।
स्वयं की जांच करो
Take the Maximum Marginal Relevance quiz
प्रत्येक उत्तर पर त्वरित प्रतिक्रिया, और पाठ्यक्रम पास करने के बाद एक सत्यापन योग्य आईडी के साथ एक साझा करने योग्य प्रमाणपत्र।
निःशुल्क एआई शिक्षा का समर्थन करें। AI Understanding एक 501(c)(3) गैर-लाभकारी संस्था है - कोई विज्ञापन नहीं, कोई पेवॉल नहीं। दान करें
अक्सर पूछे जाने वाले प्रश्नों
अधिकतम सीमांत प्रासंगिकता क्या है?
अधिकतम सीमांत प्रासंगिकता (एमएमआर) एक पुन: रैंकिंग पद्धति है जो यह संतुलित करती है कि कोई परिणाम कितना प्रासंगिक है और यह पहले से चुने गए परिणामों से कितना अलग है। यह मायने रखता है क्योंकि शुद्ध प्रासंगिकता रैंकिंग अक्सर लगभग डुप्लिकेट मार्ग लौटाती है जो आरएजी संदर्भ विंडो में जगह बर्बाद करती है।
एमएमआर को किस प्राथमिक समस्या को हल करने के लिए डिज़ाइन किया गया है?
एमएमआर नवीनता को पुरस्कृत करके कई परिणामों को सामने लाने के लिए प्रासंगिक-केवल रैंकिंग की प्रवृत्ति को संबोधित करता है जो अनिवार्य रूप से एक ही बात कहते हैं।
एमएमआर फॉर्मूला में, 1 के करीब लैम्ब्डा मान किस पर जोर देता है?
लैम्ब्डा प्रासंगिकता को महत्व देता है; 1 के पास प्रासंगिकता शब्द हावी है, जबकि 0 के पास विविधता (कम-समानता) शब्द हावी है।
एमएमआर अपने परिणाम कैसे चुनता है?
एमएमआर एक लालची पुनरावृत्त विधि है: प्रत्येक चयन प्रासंगिकता को अधिकतम करता है जिसमें पहले से चुने गए आइटम की अधिकतम समानता होती है।
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.
एमएमआर पुनर्प्राप्ति-संवर्धित पीढ़ी (आरएजी) में विशेष रूप से उपयोगी क्यों है?
पुनर्प्राप्त खंडों में विविधता लाकर, एमएमआर मॉडल को एक ही तथ्य को दोहराने के बजाय विभिन्न साक्ष्य देखने में मदद करता है, जिससे कवरेज में सुधार होता है।
सीखते रहो
संबंधित मार्गदर्शिकाएँ
इस विषय के लिए अधिक मार्गदर्शिकाएँ चुनी गईं