یافتن شواهد

دو نوع جست‌وجو

• جست‌وجوی معنایی: هر بخش یک بردار ۷۶۸‌بعدی از مدل intfloat/multilingual-e5-base دارد که با فاصلهٔ کسینوسی در Qdrant ذخیره می‌شود.
• جست‌وجوی کلیدواژه‌ای: یک ایندکس BM25 روی همان بخش‌ها (با k1 برابر ۱٫۲ و b برابر ۰٫۷۵) نام‌ها، عددها و کدها را عیناً پیدا می‌کند.
• این دو رتبه‌بندی با روش reciprocal rank fusion و با k برابر ۶۰ ادغام می‌شوند.۱
• هر جست‌وجو به همین گفت‌وگو محدود است و اگر از @ استفاده کنید، به همان فایلی که نام برده‌اید.

تعداد بخش‌ها

• عمق جست‌وجو با نوع پرسش تغییر می‌کند و بین ۸ تا ۳۰ بخش است: برای خلاصه، مقایسه، فهرست و جدول بیشتر، و برای پرسش‌های کوتاهی که یک واقعیت را می‌پرسند کمتر.
• وقتی چند فایل در کار است، پرسش‌های کلی جست‌وجو را بین فایل‌ها پخش می‌کنند تا یک سند بزرگ جای بقیه را نگیرد. پرسش‌های مشخص در همهٔ فایل‌ها با هم جست‌وجو می‌شوند تا فایلی که پاسخ در آن است بیشترِ بخش‌ها را بدهد؛ هر فایل دیگر هم بهترین بخش خودش را می‌آورد و بخشی که در چند فایل تکرار شده، فقط یک بار می‌آید.۲
• در «تنظیمات ← پاسخ‌گویی» می‌توانید این تعداد را خودتان بین ۱ تا ۵۰ تعیین کنید، یا خالی بگذارید تا برای هر پرسش جداگانه انتخاب شود.

پرسش‌های چندبخشی

• پرسشی که چند چیز را با هم می‌پرسد، مثل «با کدام کلید حالت ویرایش باز می‌شود و نمونه چه فیلدهایی اضافه کرد؟»، تکه‌به‌تکه هم جست‌وجو می‌شود. هر تکه بهترین بخش‌های خودش را نگه می‌دارد و از مدل خواسته می‌شود به همهٔ تکه‌ها پاسخ دهد و بگوید اسناد به کدام‌یک نپرداخته‌اند.۳
• وقتی بخشی از یک جدول بازیابی شود، بقیهٔ جدول هم همراهش می‌آید تا پرسش دربارهٔ بیشترین یا کمترین مقدار، همهٔ سطرها را ببیند.۴

تفاوت شیوه‌ها

دروازهٔ شواهد

حالت «فقط اسناد» تنها وقتی از پاسخ‌دادن خودداری می‌کند که هر سه شرط برقرار باشد: امتیاز بهترین بخش کمتر از آستانه باشد (پیش‌فرض ۰٫۷۵ که در «تنظیمات ← پاسخ‌گویی» تغییر می‌کند)، پرسش دربارهٔ کل سند نباشد و بخش‌ها به اندازهٔ کافی واژه‌های شاخص پرسش را نداشته باشند. وقتی با @ به فایل‌ها اشاره می‌کنید، هر فایل نام‌برده باید شاهد خودش را داشته باشد.۵

این دروازه یک محافظ نرم‌افزاری است، نه تضمین. پاسخ‌های مهم را با منابعشان تطبیق دهید.