Przejdź do treści
wróć do regałuK-06 · PODTEKST ARCHIVE

K-06 · retrieval i ocena modeli

Wyszukiwanie i fine-tuning

Łączę lokalne wyszukiwanie z eksperymentami, które sprawdzają jakość reprezentacji tekstu.

Moja rola

Prowadzę rozwój wyszukiwania PodTeksT oraz eksperymenty PolDense-68M. Ustalam zestaw danych, porównanie z modelem bazowym i kryteria oceny. Oddzielam wynik jednego zadania od użyteczności modelu w całym produkcie.

Narzędzia i warsztat

  • PolDense-68M
  • fine-tuning
  • nDCG@10
  • BM25
  • hybrid retrieval
11

Liczby z projektu

6 008przykładów treningowych
50kroków optymalizacji
0,487 → 0,552wewnętrzne liniowe nDCG@10

Jak pracuję

  1. 01Zbiór i punkt odniesienia
  2. 02Trening
  3. 03Ocena wyszukiwania
  4. 04Kontrola regresji

Rezultat i ograniczenia

  • Wzrost dotyczy konkretnego wewnętrznego testu. Oceny trafności są niepełne, więc dokładny zysk wymaga rozszerzenia puli ocen.
  • Test PolEmo2 wykazał regresję sentymentu. Nie traktuję tego modelu jako ogólnie lepszego we wszystkich zadaniach.
  • Osobne badanie odporności wyszukiwania obejmuje 947 zapytań, 10 957 fragmentów i 4 399 par ocenionych przez człowieka.

Zobacz

liczby policzone z repozytorium · 24.07.2026

12