شبكة عصبية للبحث: بِمَ يختلف RAG عن البحث التقليدي
لا يزال BM25 ركيزة البحث التقليدي، لكنه يعمل فقط مع الكلمات الدقيقة الواردة في الاستعلام. أما RAG القائم على التضمينات المتجهية (embeddings) فيحلّ مهمة مختلفة: يعثر على المقاطع ذات الصلة بحسب المعنى، حتى عندما لا تتطابق الصياغات. ولا يقتصر الفارق على جودة النتائج، بل يمتد إلى التكلفة أيضاً: فـBM25 أرخص وأكثر شفافية، أما التضمينات فهي أكثر مرونة لكنها أغلى في بيئة الإنتاج.
معالج بواسطة الذكاء الاصطناعي من MarkTechPost؛ بتحرير Hamidun News
لا يزال BM25 الآلية الأساسية لعرض نتائج البحث في Elasticsearch وLucene، لكن له قيداً صارماً: فهو يفهم الكلمات لا المعنى، بخلاف ما يفعله RAG مع الشبكة العصبية.
كيف تبحث الشبكة العصبية في النصوص؟
يحوّل RAG النص والاستعلام إلى تضمينات متجهية (embeddings)، وهي تمثيلات رقمية للمعنى، ثم يبحث عن المتجهات المتشابهة بدلاً من البحث عن تطابق الكلمات.
ما الفرق بين RAG وBM25؟
يرتّب BM25 النتائج وفق ثلاثة عوامل: تكرار الكلمات، وندرتها في المجموعة، وطول الوثيقة. أما RAG فيبحث بحسب المعنى، ولذلك يعثر على النصوص ذات الصلة حتى لو اختلفت صياغتها تماماً.
ما هو RAG في البحث؟
RAG هو بحث عبر شبكة عصبية وتضمينات متجهية تحوّل النص إلى تمثيل للمعنى وتعثر على المقاطع ذات الصلة، حتى من دون تطابق دقيق للكلمات بين الاستعلام والوثيقة.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.