Genel Bakış
Maksimum Marjinal Uygunluk (MMR), bir sonucun ne kadar alakalı olduğu ile halihazırda seçilmiş olan sonuçlardan ne kadar farklı olduğunu dengeleyen bir yeniden sıralama yöntemidir. Bu önemlidir, çünkü saf alaka sıralaması genellikle bir RAG bağlam penceresinde yer israfına neden olan neredeyse yinelenen pasajları döndürür.
Maksimum Marjinal Uygunluk, metni ve konuşmayı uygun ölçekte okumak, oluşturmak, sınıflandırmak ve dönüştürmek için kullanılan dil-yapay zeka yığınının bir parçasıdır.
Derin Dalış
Bir arama sistemi belgeleri yalnızca bir sorguyla olan ilgisine göre puanladığında, en üstteki sonuçlar sıklıkla gereksiz olur; beş pasajın tümü aynı şeyi söyler. Carbonell ve Goldstein tarafından 1998'de tanıtılan MMR, sonuçları birer birer seçerek bu sorunu gideriyor. Her adımda, ağırlıklı karışımı en üst düzeye çıkaran adayı seçer: lambda çarpı sorguyla ilgisi, eksi (1 eksi lambda) çarpı zaten seçilmiş olan herhangi bir şeye maksimum benzerliği. 1'e yakın bir lambda saf alakayı destekler; 0'a yakın çeşitlilikten yanadır. Geri getirmeyle artırılmış nesilde MMR, çeşitli parça kümelerini getirmek için popülerdir, böylece dil modeli aynı gerçeğin tekrarlanması yerine tamamlayıcı kanıtlar görür ve bağlamı genişletmeden kapsamı geliştirir.
Teknik Bilgi
MMR açgözlü, yinelemeli bir algoritmadır. Hem alaka hem de belgeler arası benzerlik genellikle yerleştirme vektörleri arasındaki kosinüs benzerliği olarak hesaplanır. Puanlama formülü şu şekildedir: MMR = kalan belgeler üzerinden argmax [ lambda * sim(doc, query) - (1 - lambda) * max sim(doc, seçili) ]. Her turda büyüyen seçilen kümeye göre yeniden değerlendirme yaptığı için sıralamaya bağlıdır ve n adaydan k seçim için kabaca O(k*n) benzerlik karşılaştırmaları yapar.
Maksimum Marjinal Uygunlukta Uzmanlaşmak
Maksimum Marjinal Uygunluk (MMR), bir sonucun ne kadar alakalı olduğu ile halihazırda seçilmiş olan sonuçlardan ne kadar farklı olduğunu dengeleyen bir yeniden sıralama yöntemidir. Bu önemlidir, çünkü saf alaka sıralaması genellikle bir RAG bağlam penceresinde yer israfına neden olan neredeyse yinelenen pasajları döndürür. Maksimum Marjinal Uygunluk, metni ve konuşmayı uygun ölçekte okumak, oluşturmak, sınıflandırmak ve dönüştürmek için kullanılan dil-yapay zeka yığınının bir parçasıdır. Derin bir anlayış oluşturmak için Maksimum Marjinal Uygunluğu tek bir özellik olarak değil, bir işletim modeli olarak ele alın: arzu edilen sonuçları tanımlayın, varsayımları netleştirin ve sistemin güvenilir bir şekilde yapabileceklerini hâlâ uzman görüşü gerektiren şeylerden ayırın.
Uygulamada, Maksimum Marjinal Uygunluk tasarımını kullanan güçlü ekipler, tek bir entegre iletişim sistemi olarak döngüleri yönlendirir, alır ve gözden geçirir. Açık başarı kriterlerini belgeliyorlar, gerçekçi verilere ve iş akışlarına göre test ediyorlar ve tek seferlik kıyaslama kazanımları yerine gözlemlenen başarısızlık modellerine dayalı olarak yineleniyorlar. Burası teorik anlayışın ürün, politika ve operasyonlar genelinde dayanıklı yeteneğe dönüştüğü yerdir.
Dil iş akışları tutarlılıktan ödün vermeden daha hızlı ilerleyebilir. Aynı zamanda Halüsinasyonlu gerçekler sessizce raporlara, destek akışlarına veya araştırma çıktılarına girebilir. En dayanıklı yaklaşım, deneme hızını yönetişim disiplini ile birleştirmektir: pilot uygulamaları çalıştırın, kanıtları toplayın, karar günlüklerini yayınlayın ve model davranışı, kullanıcı beklentileri ve düzenleyici gereksinimler geliştikçe koruma önlemlerini sürekli olarak güncelleyin.
Stratejik Etki
Dil iş akışları tutarlılıktan ödün vermeden daha hızlı ilerleyebilir.
Dil iş akışları tutarlılıktan ödün vermeden daha hızlı ilerleyebilir. Yüksek kaliteli dağıtımlarda bu, ölçülebilir işletim kurallarına, sahiplik sınırlarına ve yinelenen inceleme ritüellerine dönüştürülür, böylece ekipler belirsizliği ölçeklendirmek yerine güveni ölçeklendirebilir.
Diller ve iletişim tarzları arasında erişimi genişletir.
Diller ve iletişim tarzları arasında erişimi genişletir. Yüksek kaliteli dağıtımlarda bu, ölçülebilir işletim kurallarına, sahiplik sınırlarına ve yinelenen inceleme ritüellerine dönüştürülür, böylece ekipler belirsizliği ölçeklendirmek yerine güveni ölçeklendirebilir.
Otomasyon tekrarlamayı yönetirken ekipler karar vermeye daha fazla zaman ayırabilir.
Otomasyon tekrarlamayı yönetirken ekipler karar vermeye daha fazla zaman ayırabilir. Yüksek kaliteli dağıtımlarda bu, ölçülebilir işletim kurallarına, sahiplik sınırlarına ve yinelenen inceleme ritüellerine dönüştürülür, böylece ekipler belirsizliği ölçeklendirmek yerine güveni ölçeklendirebilir.
Gerçek Dünya Uygulaması
Bir RAG sohbet robotu MMR alımını kullanır, böylece ilk 5 parçası aynı paragrafın beş farklı ifadesi yerine bir politikanın farklı yönlerini kapsar.
Bir araştırma özetleme aracı, örtüşmeyi en aza indiren pasajları seçmek için MMR'yi uygulayarak daha geniş, daha az tekrarlı bir özet üretir.
Bir haber toplayıcı, on haber kaynağının tek bir haberi tekrarlaması yerine, bir olayın çeşitli kapsamlarını gösterecek şekilde makaleleri MMR'ye göre sıralıyor.
LangChain'in vektör deposu alıcısı, döndürülen belgeleri çeşitlendirmek için search_type='mmr' ifadesini fetch_k ve lambda_mult ile gösterir.
Uygulama Modelleri
Uygulamada Maksimum Marjinal Uygunluk
Bir RAG sohbet robotu MMR alımını kullanır, böylece ilk 5 parçası aynı paragrafın beş farklı ifadesi yerine bir politikanın farklı yönlerini kapsar.
Bir RAG sohbet robotu, MMR alımını kullanır; böylece ilk 5 parçası, aynı paragrafın beş farklı ifadesi yerine bir politikanın farklı yönlerini kapsar. Ekipler genellikle kalite eşiklerini önceden tanımladıklarında, uç durumlar için insani bir yükseltme yolu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Uygulamada Maksimum Marjinal Uygunluk
Bir araştırma özetleme aracı, örtüşmeyi en aza indiren pasajları seçmek için MMR'yi uygulayarak daha geniş, daha az tekrarlı bir özet üretir.
Bir araştırma özetleme aracı, çakışmaları en aza indiren pasajları seçmek için MMR'yi uygulayarak daha geniş, daha az tekrarlı bir özet üretir. Ekipler genellikle kalite eşiklerini önceden belirlediklerinde, uç durumlar için insani bir yükseltme yolunu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Uygulamada Maksimum Marjinal Uygunluk
Bir haber toplayıcı, on haber kaynağının tek bir haberi tekrarlaması yerine, bir olayın çeşitli kapsamlarını gösterecek şekilde makaleleri MMR'ye göre sıralıyor.
Bir haber toplayıcı, tek bir haberi tekrar eden on yayın yerine bir olayın çeşitli kapsamını gösterecek şekilde makaleleri MMR ile sıralar. Ekipler genellikle kalite eşiklerini önceden belirlediklerinde, uç durumlar için insani bir yükseltme yolunu tuttuklarında ve hem üretkenlik kazanımlarını hem de zaman içindeki hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Uygulamada Maksimum Marjinal Uygunluk
LangChain'in vektör deposu alıcısı, döndürülen belgeleri çeşitlendirmek için search_type='mmr' ifadesini fetch_k ve lambda_mult ile gösterir.
LangChain'in vektör mağaza alıcısı, döndürülen belgeleri çeşitlendirmek için fetch_k ve lambda_mult ile search_type='mmr'yi ortaya çıkarır. Ekipler genellikle kalite eşiklerini önceden belirlediklerinde, uç durumlar için insani bir yükseltme yolunu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Riskler ve Korkuluklar
Halüsinasyonlu gerçekler sessizce raporlara, destek akışlarına veya araştırma çıktılarına girebilir.
İstem hassasiyeti, benzer istekler arasında tutarsız sonuçlar yaratabilir.
Erişim kontrolleri zayıfsa hassas metin verileri açığa çıkabilir.
Uygulama Yol Haritası
Kullanıma sunmadan önce çıktı formatını, tonunu ve kalite standartlarını tanımlayın.
Kullanıma sunmadan önce çıktı formatını, tonunu ve kalite standartlarını tanımlayın. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.
Doğruluğun önemli olduğu durumlarda güvenilir kaynaklarla zemin müdahaleleri.
Doğruluğun önemli olduğu durumlarda güvenilir kaynaklarla zemin müdahaleleri. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.
Yüksek riskli çıktılar için insan incelemesi kontrol noktası bulundurun.
Yüksek riskli çıktılar için insan incelemesi kontrol noktası bulundurun. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.
Arıza modellerini takip edin ve istemleri veya iş akışlarını düzenli olarak yeniden eğitin.
Arıza modellerini takip edin ve istemleri veya iş akışlarını düzenli olarak yeniden eğitin. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.