10. Słownik pojęć

Pojęcia w znaczeniu przyjętym w Module 3. Przy analizie wyniku zawsze ustal, czy mówisz o treści, reprezentacji liczbowej, pliku czy ocenie jakości.

Tekst i reprezentacja

Pojęcie Znaczenie
Fragment / chunk Jednostka tekstu wybierana podczas wyszukiwania; zachowuje identyfikator i metadane.
Embedding Liczbowa reprezentacja tekstu utworzona przez model embeddingowy.
Wektor Uporządkowana lista współrzędnych. W pakiecie BGE-M3 ma ich 1024.
Wymiar D Liczba współrzędnych wektora; nie liczba słów ani dokumentów.
Model embeddingowy Model przekształcający tekst w reprezentację do porównań.
Model generujący Model tworzący tekst odpowiedzi. Nie jest uruchamiany w ćwiczeniach M3.
Digest modelu Identyfikator konkretnej zawartości modelu; dokładniejszy ślad niż sam zmienny tag.
Parafraza Inne sformułowanie zachowujące istotne znaczenie wypowiedzi.

Porównanie i wyszukiwanie

Pojęcie Znaczenie
Norma L2 Długość wektora: pierwiastek z sumy kwadratów współrzędnych.
Iloczyn skalarny Suma iloczynów odpowiadających sobie współrzędnych.
Podobieństwo kosinusowe Iloczyn skalarny podzielony przez iloczyn długości niezerowych wektorów.
Normalizacja wektora Przeskalowanie do długości 1, bez zmiany kierunku.
Score Wartość miary podobieństwa dla konkretnej pary; nie procent pewności odpowiedzi.
Ranking Lista wyników uporządkowana według miary i przyjętej reguły remisów.
Top-k / top_k Pierwsze k pozycji rankingu / nazwa parametru w kodzie.
Retrieval Wyszukiwanie fragmentów przydatnych do odpowiedzi; etap odrębny od generowania.
Wyszukiwanie dokładne Porównanie pytania ze wszystkimi wektorami i wybór najlepszych według ustalonej miary.
ANN Przybliżone wyszukiwanie sąsiadów. Nie jest tym samym co obliczenie pełnego rankingu w macierzy NumPy.

Zapis i odtwarzalność

Pojęcie Znaczenie
Macierz N × D Wiersze reprezentują N fragmentów, kolumny D współrzędnych.
Indeks lokalny Macierz, rekordy źródłowe i opis ich konfiguracji zapisane jako spójny zestaw.
chunk_id Identyfikator fragmentu niezależny od bieżącej pozycji w rankingu.
vector_index Numer wiersza macierzy odpowiadający danemu rekordowi; w M3 liczony od 0.
Manifest Plik opisujący zawartość, konfigurację, pochodzenie i kontrolę spójności wyniku.
JSONL Format, w którym każdy niepusty wiersz jest osobnym obiektem JSON.
float32 32-bitowy typ zmiennoprzecinkowy używany do zapisu macierzy indeksu M3.
Checkpoint Zapisany stan umożliwiający kontynuację lub odtworzenie etapu. Nie oznacza nowego pomiaru.
SHA-256 Skrót zawartości używany do wykrywania zmian; nie jest oceną prawdziwości danych.
Baseline Pierwszy zachowany pomiar stanowiący punkt odniesienia dla zmian.

Ocena jakości

Pojęcie Znaczenie
question_type Forma pytania: np. bezpośrednie, parafraza lub niejednoznaczne.
case_type Rodzaj przypadku: answerable, missing_in_sources albo out_of_scope.
expected_chunk_ids Dopuszczalne trafienia ustalone przed pomiarem na podstawie źródeł.
Hit@k Informacja, czy dowolny oczekiwany fragment jest w top-k; średnia w M3 obejmuje tylko answerable.
null Brak wartości lub „nie dotyczy” w JSON; nie to samo co liczba zero.
Przydatność fragmentu Obecność informacji rzeczywiście potrzebnej do odpowiedzi na konkretne pytanie.
ENHANCER+ · Politechnika Warszawska · podręcznik do samodzielnej nauki offline