Ikhtisar
BM25 adalah fungsi pemeringkatan berbasis kata kunci klasik yang menilai dokumen berdasarkan seberapa sering istilah kueri muncul, disesuaikan dengan kelangkaan istilah dan panjang dokumen. Berusia puluhan tahun, ini tetap menjadi dasar pencarian yang sangat kuat dan ada di mana-mana.
BM25 dan Pengambilan Leksikal adalah bagian dari tumpukan AI bahasa yang digunakan untuk membaca, menghasilkan, mengklasifikasikan, dan mengubah teks dan ucapan dalam skala besar.
Menyelam Lebih Dalam
BM25 (Pencocokan Terbaik 25) adalah fungsi pemeringkatan sekantong kata dari kerangka kerja probabilistik Okapi pada tahun 1990-an. Untuk setiap istilah kueri, ini menggabungkan tiga sinyal: frekuensi istilah (seberapa sering kata muncul dalam dokumen, dengan hasil yang semakin berkurang dikontrol oleh parameter k1), frekuensi dokumen terbalik (kata-kata yang lebih jarang di seluruh koleksi dihitung lebih banyak), dan normalisasi panjang dokumen (parameter b, sehingga dokumen yang panjang tidak disukai secara tidak adil). Jumlahkan skor per semester ini dan Anda mendapatkan peringkat dokumen tersebut. Itu tidak memerlukan pelatihan dan berjalan sangat cepat melalui indeks terbalik, itulah sebabnya mesin pencari seperti Elasticsearch dan Lucene menggunakannya secara default. Meskipun terdapat peningkatan dalam pengambilan saraf, BM25 masih unggul atau setara dalam banyak tolok ukur, terutama untuk istilah langka, pengidentifikasi tepat, dan kueri di luar domain.
Wawasan Teknis
Komponen frekuensi istilah BM25 jenuh: parameter k1 membatasi jumlah kata yang diulang meningkatkan skor, sehingga istilah yang muncul 50 kali tidak 50x lebih relevan dari satu kali. Parameter b memadukan frekuensi mentah dan frekuensi yang dinormalisasi panjang. IDF mengurangi kata-kata umum seperti 'the' dan memberi penghargaan pada kata-kata yang berbeda. Karena beroperasi pada indeks terbalik yang memetakan setiap kata ke daftar dokumennya, penilaian hanya menyentuh dokumen yang berisi istilah kueri, sehingga sangat efisien.
Menguasai BM25 dan Lexical Retrieval
BM25 adalah fungsi pemeringkatan berbasis kata kunci klasik yang menilai dokumen berdasarkan seberapa sering istilah kueri muncul, disesuaikan dengan kelangkaan istilah dan panjang dokumen. Berusia puluhan tahun, ini tetap menjadi dasar pencarian yang sangat kuat dan ada di mana-mana. BM25 dan Pengambilan Leksikal adalah bagian dari tumpukan AI bahasa yang digunakan untuk membaca, menghasilkan, mengklasifikasikan, dan mengubah teks dan ucapan dalam skala besar. Untuk membangun pemahaman yang mendalam, perlakukan BM25 dan Lexical Retrieval sebagai model operasi, bukan fitur tunggal: tentukan hasil yang diinginkan, klarifikasi asumsi, dan pisahkan apa yang dapat dilakukan sistem dengan andal dari apa yang masih memerlukan penilaian ahli.
Dalam praktiknya, tim yang kuat menggunakan BM25 dan Lexical Retrieval merancang prompt, pengambilan, dan loop peninjauan sebagai satu sistem komunikasi terintegrasi. Mereka mendokumentasikan kriteria keberhasilan yang eksplisit, menguji berdasarkan data dan alur kerja yang realistis, dan melakukan iterasi berdasarkan pola kegagalan yang diamati, bukan berdasarkan kemenangan tolok ukur yang hanya terjadi satu kali. Di sinilah pemahaman teoritis berubah menjadi kemampuan yang tahan lama di seluruh produk, kebijakan, dan operasi.
Alur kerja bahasa dapat berjalan lebih cepat tanpa mengorbankan konsistensi. Pada saat yang sama, fakta-fakta halusinasi dapat secara diam-diam masuk ke dalam laporan, aliran dukungan, atau keluaran penelitian. Pendekatan yang paling tangguh adalah menggabungkan kecepatan eksperimen dengan disiplin tata kelola: menjalankan uji coba, menangkap bukti, menerbitkan catatan keputusan, dan terus memperbarui upaya perlindungan seiring dengan berkembangnya perilaku model, harapan pengguna, dan persyaratan peraturan.
Dampak Strategis
Alur kerja bahasa dapat berjalan lebih cepat tanpa mengorbankan konsistensi.
Alur kerja bahasa dapat berjalan lebih cepat tanpa mengorbankan konsistensi. Dalam penerapan berkualitas tinggi, hal ini diterjemahkan ke dalam aturan operasi yang terukur, batasan kepemilikan, dan ritual peninjauan berulang sehingga tim dapat meningkatkan kepercayaan diri alih-alih menskalakan ambiguitas.
Ini memperluas akses lintas bahasa dan gaya komunikasi.
Ini memperluas akses lintas bahasa dan gaya komunikasi. Dalam penerapan berkualitas tinggi, hal ini diterjemahkan ke dalam aturan operasi yang terukur, batasan kepemilikan, dan ritual peninjauan berulang sehingga tim dapat meningkatkan kepercayaan diri alih-alih menskalakan ambiguitas.
Tim dapat menghabiskan lebih banyak waktu untuk melakukan penilaian sementara otomatisasi menangani pengulangan.
Tim dapat menghabiskan lebih banyak waktu untuk melakukan penilaian sementara otomatisasi menangani pengulangan. Dalam penerapan berkualitas tinggi, hal ini diterjemahkan ke dalam aturan operasi yang terukur, batasan kepemilikan, dan ritual peninjauan berulang sehingga tim dapat meningkatkan kepercayaan diri alih-alih menskalakan ambiguitas.
Implementasi Dunia Nyata
Peringkat relevansi default di Elasticsearch, OpenSearch, dan Apache Lucene/Solr
Pengambilan kandidat tahap pertama yang memberi masukan pada pemeringkatan ulang saraf yang lebih lambat dalam pencarian dua tahap
Pencarian kode dan log di mana pengidentifikasi dan kode kesalahan yang tepat harus sama persis
Menambang contoh-contoh negatif yang sulit untuk melatih anjing retriever padat seperti DPR
Pola Implementasi
BM25 dan Pengambilan Leksikal dalam praktiknya
Peringkat relevansi default di Elasticsearch, OpenSearch, dan Apache Lucene/Solr.
Peringkat relevansi default di Elasticsearch, OpenSearch, dan Apache Lucene/Solr Team biasanya mendapatkan hasil yang lebih baik ketika mereka menentukan ambang batas kualitas di awal, menjaga jalur eskalasi manusia untuk kasus-kasus edge, dan melacak peningkatan produktivitas dan biaya kesalahan dari waktu ke waktu.
BM25 dan Pengambilan Leksikal dalam praktiknya
Pengambilan kandidat tahap pertama yang memberi masukan pada pemeringkatan ulang saraf yang lebih lambat dalam pencarian dua tahap.
Pengambilan kandidat tahap pertama yang memberi masukan pada pemeringkatan saraf yang lebih lambat dalam pencarian dua tahap Tim biasanya mendapatkan hasil yang lebih baik ketika mereka menentukan ambang batas kualitas di awal, menjaga jalur eskalasi manusia untuk kasus-kasus edge, dan melacak peningkatan produktivitas dan biaya kesalahan dari waktu ke waktu.
BM25 dan Pengambilan Leksikal dalam praktiknya
Pencarian kode dan log di mana pengidentifikasi dan kode kesalahan yang tepat harus sama persis.
Pencarian kode dan log di mana pengidentifikasi dan kode kesalahan yang tepat harus sama persis. Tim biasanya mendapatkan hasil yang lebih baik ketika mereka menentukan ambang batas kualitas di awal, menjaga jalur eskalasi manusia untuk kasus-kasus ekstrem, dan melacak peningkatan produktivitas dan biaya kesalahan dari waktu ke waktu.
BM25 dan Pengambilan Leksikal dalam praktiknya
Menambang contoh-contoh negatif yang sulit untuk melatih anjing retriever padat seperti DPR.
Mengumpulkan contoh-contoh negatif yang sulit untuk melatih anjing retriever padat seperti Tim DPR biasanya mendapatkan hasil yang lebih baik ketika mereka menentukan ambang batas kualitas di awal, menjaga jalur eskalasi manusia untuk kasus-kasus ekstrem, dan melacak peningkatan produktivitas dan biaya kesalahan dari waktu ke waktu.
Risiko & Pagar Pembatas
Fakta-fakta yang dihalusinasi dapat secara diam-diam masuk ke dalam laporan, aliran dukungan, atau keluaran penelitian.
Sensitivitas yang cepat dapat menimbulkan hasil yang tidak konsisten pada permintaan serupa.
Data teks sensitif mungkin terekspos jika kontrol akses lemah.
Peta Jalan Implementasi
Tentukan format output, nada, dan standar kualitas sebelum peluncuran.
Tentukan format output, nada, dan standar kualitas sebelum peluncuran. Perlakukan setiap langkah sebagai gerbang bukti: jika kriteria tidak terpenuhi, jeda peluncuran, tutup kesenjangan, dan baru kemudian perluas penggunaan.
Dasarkan respons dengan sumber tepercaya kapan pun akurasi penting.
Dasarkan respons dengan sumber tepercaya kapan pun akurasi penting. Perlakukan setiap langkah sebagai gerbang bukti: jika kriteria tidak terpenuhi, jeda peluncuran, tutup kesenjangan, dan baru kemudian perluas penggunaan.
Pertahankan pos pemeriksaan tinjauan manusia untuk keluaran berisiko tinggi.
Pertahankan pos pemeriksaan tinjauan manusia untuk keluaran berisiko tinggi. Perlakukan setiap langkah sebagai gerbang bukti: jika kriteria tidak terpenuhi, jeda peluncuran, tutup kesenjangan, dan baru kemudian perluas penggunaan.
Lacak pola kegagalan dan latih kembali perintah atau alur kerja secara teratur.
Lacak pola kegagalan dan latih kembali perintah atau alur kerja secara teratur. Perlakukan setiap langkah sebagai gerbang bukti: jika kriteria tidak terpenuhi, jeda peluncuran, tutup kesenjangan, dan baru kemudian perluas penggunaan.