问题与直觉
把问题与文档转为向量后,用相似度筛选候选证据。以下仅演示二维向量的排序,不调用嵌入模型。检索质量与回答质量应分别评估。
最小代码实验
以下为独立学习示例。
import math
def cos(a,b):
return sum(x*y for x,y in zip(a,b))/(math.sqrt(sum(x*x for x in a))*math.sqrt(sum(y*y for y in b)))
print(cos([1,0],[1,1])) # 0.707...
观察与边界
零向量需要额外处理;相似度高不意味着内容可靠。可为一组固定问题标注正确文档,观察前 k 条命中率。
下一步思考
修改示例中的一个输入,先写下预测,再运行代码对照结果。保留正常情况与边界情况各一组,记录差异来自公式、数据还是实现。