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
Liczby z projektu
6 008przykładów treningowych
50kroków optymalizacji
0,487 → 0,552wewnętrzne liniowe nDCG@10
Jak pracuję
- 01Zbiór i punkt odniesienia
- 02Trening
- 03Ocena wyszukiwania
- 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