Ranking fragmentów

Ranking fragmentów to mechanizm, w którym silnik AI ocenia i szereguje poszczególne wycinki tekstu ze strony pod kątem semantycznego dopasowania do zapytania, a następnie pobiera fragmenty o najwyższym podobieństwie do okna kontekstowego modelu generatywnego.

Po angielsku: Passage Ranking.

Najważniejsze

• Ranking fragmentów działa na poziomie akapitu lub sekcji: potok RAG zamienia każdy fragment na osobny wektor i porównuje go z wektorem zapytania, wybierając top-k najbardziej dopasowanych wycinków.
• Fragment zawierający nierozwiązane zaimki lub odwołania do wcześniejszego kontekstu („jak wyżej”, „wspomniana metoda”) generuje niespójny embedding i bywa pomijany przy selekcji.
• Sekcje otwierane bezpośrednią odpowiedzią są cytowane 2,6 razy częściej niż sekcje z narracją wstępną, co wskazuje, że pozycja kluczowej informacji wewnątrz fragmentu wpływa na jego ranking (Presenc.ai).

Jak to działa

Potok RAG dzieli stronę na granicach akapitów i nagłówków, zamienia każdy fragment na osobny wektor, a następnie pobiera te o najwyższym podobieństwie semantycznym do zapytania. Oznacza to, że strona nie jest oceniana jako całość: jeden słaby fragment nie obniża rankingu pozostałych, ale też jeden silny fragment nie podnosi pozostałych. Przykład: artykuł o kredytach hipotecznych może mieć sekcję z konkretną definicją oprocentowania zmiennego, która trafi do odpowiedzi AI, podczas gdy reszta artykułu pozostanie nieużyta. Wellows zmierzył, że 62% wyróżnionych treści w AI Overview mieści się w przedziale 100-300 słów (N=15 847 wyników).