Artikel für Leute, die
den Stack ausliefern
Beiträge zu React, Node.js, TypeScript und AI. Ein übersetzter Text wird gezeigt, wenn er existiert. Sonst sehen Sie den englischen Text und einen Hinweis.
Tag: BM25
Fünfzig Jahre Forschung im Bereich Informationsabrufung – verborgen in Ihrem RAG-Pipeline.
Das RAG-Chunking, die hybride Suche, HyDE, das Neuranking sowie die Bewertungsmethoden haben alle seit Jahrzehnten existierende Vorgänger in der Informationsabrufung. Ein Überblick über die Forschung und deren Grenzen.
17 Min. LesezeitDebugging von RAG-Auswertungsmethoden: Recall@K, BM25, hybride Fusion sowie Neubewertung
Ein kleines Experiment mit einem RAG-Pipeline, bei dem der richtige Chunk auf dem vierten Platz landete, um zu zeigen, wie Chunking, BM25, Rangfusion und Neuranking die Recall@3-Werte sowie den MRR verändern.
11 Min. LesezeitBewertung der RAG-Auswertung jenseits der ANN-Recall-Methode – am Beispiel von Turbopuffer.
Ein schneller Vektorindex kann dennoch die richtige Antwort verfehlen. Erfahren Sie mehr über die Speicherkompromisse von Turbopuffer, die hybride Kombination aus BM25 und Vektorabfrage sowie darüber, wie eine „goldene Menge“ die tatsächliche Recall-Rate misst.
7 Min. LesezeitHybride Suche für RAG: BM25, Rank Fusion und Reranking schlagen Vektoren.
Reine Vektorabfragen übersehen genaue Begriffe. BM25 in Kombination mit Embeddings, Reciprocal Rank Fusion sowie ein Cross-Encoder-Reranker brachten diese RAG-Lösung auf eine Treffgenauigkeit von 91 %.
6 Min. LesezeitKontextbasiertes Abrufen für RAG: Was die 67%-Zahl verbirgt, was sie kostet und wann sie versagt.
Kontextbasierte Abrufmethode für RAG: Wie Präfixe fehlende Teilbereiche beheben, warum die 67%-Zahl drei Änderungen darstellt, was durch Prompt-Caching eingespart wird und wann es versagt.
13 Min. LesezeitFünf Methoden zur Indizierung von Vektoren für RAG, getestet an einer Million Wikipedia-Embeddings
Fünf Methoden zur Indizierung von Vektoren für RAG, getestet an einer Million Wikipedia-Embeddings: flat, IVFFlat, HNSW, BM25-Hybrid und DiskANN, zusammen mit Werten für Latenz und Recall.
9 Min. LesezeitSuche in einer Ingenieur-Wiki: BM25, token-sichere dichte Fenster und RRF
Bewertungsbasierte Suche in einer technischen Wiki: Ziele mit exakten Beweisen, eine BM25-Referenzmethode, ein Trunkierungsfehler bei MiniLM, Token-Fenster sowie Ergebnisse der rekursiven Rangfusion.
7 Min. LesezeitHybride Suche für RAG: BM25, Vektoren und die praktische Anwendung der rekursiven Rangverbindung.
Hybride Suche für RAG: Warum die rein vektorbasierte Suche genaue IDs verliert, wie Reciprocal Rank Fusion BM25 mit Embeddings verbindet und wo die hybride Methode immer noch nachsteht.
11 Min. LesezeitDas RAG-Retrieval-Toolkit: BM25, Dense, HyDE, RRF, MMR und Reranking
Das RAG-Auswertungstoolkit: BM25, dichte Vektoren, HyDE, RRF, MMR sowie Neubewertung, wann welche Methode verwendet werden sollte, ungefähre Latenzzeiten pro Schritt und wie ein hybrider Ablauf sie miteinander verbindet.
8 Min. Lesezeit
Über diese Artikel
Angebot in 24 Stunden
Denselben Stack in einer Operator-Schicht? Brief schicken — Angebot in 24 Stunden.