Des articles pour ceux qui
livrent le stack
Textes sur React, Node.js, TypeScript et AI. Un corps traduit est affiché quand il existe. Sinon vous voyez le texte anglais et une note qui le dit.
Tag : BM25
Cinquante ans de recherche en récupération d’informations cachés au sein de votre pipeline RAG
Le découpage en blocs de texte, la recherche hybride, HyDE, le réclassement et les évaluations possèdent tous des ancêtres vieux de plusieurs décennies dans le domaine de la récupération d’informations. Un aperçu de la recherche et de ses limites.
17 min de lectureDébogage de la récupération RAG : Recall@K, BM25, fusion hybride et réclassement
Une petite expérience menée sur un pipeline RAG qui a classé le bon fragment en quatrième position, montrant comment le fractionnement, BM25, la fusion des classements et le reclassement modifient Recall@3 et MRR.
11 min de lectureÉvaluer la récupération RAG au-delà du taux de rappel ANN, à l’aide de Turbopuffer comme exemple.
Un index vectoriel rapide peut encore ne pas trouver la réponse. Apprenez les compromis de stockage de Turbopuffer, la recherche hybride BM25 et vecteur, ainsi que la manière dont un ensemble d’or mesure le taux de rappel réel.
7 min de lectureRecherche hybride pour RAG : BM25, fusion de rangs et ré-rangement surpassent les vecteurs.
La recherche vectorielle pure rate les termes exacts. L’utilisation de BM25 associé à des embeddings, de la fusion de rangs réciproques ainsi qu’à un réordonneur à base de cross-encoder a permis à cette configuration RAG d’atteindre une précision de récupération de 91 %.
6 min de lectureLe récupération contextuelle pour RAG : ce que cache le chiffre de 67 %, son coût et les moments où il échoue.
La récupération contextuelle pour RAG : comment l’insertion de préfixes corrige les fragments orphelins, pourquoi le chiffre de 67 % reflète trois modifications, ce que l’affichage en mémoire économise, et quand cela échoue.
13 min de lectureCinq façons d’indexer des vecteurs pour RAG, testées sur un million d’embeddings de Wikipédia
Cinq méthodes d’indexation des vecteurs pour RAG testées sur un million d’embeddings de Wikipédia : flat, IVFFlat, HNSW, hybride BM25 et DiskANN, accompagnées de valeurs de latence et de rappel.
9 min de lectureRecherche sur une wiki d’ingénierie : BM25, fenêtres denses sécurisées pour les tokens et RRF.
Recherche basée sur l’évaluation pour une wiki technique : cibles fondées sur des preuves exactes, référence BM25, bug de troncature de MiniLM, fenêtres de tokens et résultats de fusion du rang réciproque.
7 min de lectureRecherche hybride pour RAG : BM25, vecteurs et fusion de rang réciproque en pratique
Recherche hybride pour RAG : pourquoi la récupération basée uniquement sur des vecteurs perd les identifiants exacts, comment la fusion de rangs réciproques combine BM25 avec des embeddings, et en quoi la recherche hybride reste insuffisante.
11 min de lectureL’outil de récupération RAG : BM25, Dense, HyDE, RRF, MMR et réclassement
L’outil de récupération RAG : BM25, vecteurs denses, HyDE, RRF, MMR et réclassement, quand utiliser chacun d’eux, latence approximative par étape, et comment un pipeline hybride les intègre.
8 min de lecture
À propos de ces articles
Devis en 24 h
Besoin du même stack en couche opérateur ? Envoyez le brief — devis sous 24 h.