Поиск.
Найдено: 0 моделей и 20 материалов
Материалы
Как составить набор тестов для ИИ-бота: кейсы, критерии и регрессия
Практический способ проверить ИИ-бота на реальных вопросах: собрать кейсы, задать критерии и не пропустить регрессии.
Как проверить детерминированный порядок RAG-выдачи при одинаковом score
Тест стабильной сортировки результатов поиска по score и ID при равных оценках: прозрачный tie-break и отрицательный случай.
Как фильтровать векторный поиск Typesense по tenant без утечки документов
filter_by и фасетное tenant-поле в Typesense 30.2: серверная авторизация, отрицательный тест и корректная оценка top-k.
Как настроить hybrid search LanceDB с RRFReranker
Объединение vector search и FTS в LanceDB, query_type=hybrid, RRFReranker, normalize, фильтр обеих ветвей и оценка nDCG.
Как настроить семантический поиск ChromaDB и проверить distances
Collection.query в ChromaDB: query_texts, n_results, include, вложенная структура ответа, distances и оценка Recall@k для RAG.
Как сделать гибридный поиск Redis по тексту, фильтрам и vectors
Один FT.SEARCH объединяет TEXT, TAG и KNN: безопасный tenant pre-filter, PARAMS, distance, baselines и оценка hybrid retrieval.
Как оценить качество нейросети на своей задаче: тесты вместо впечатлений
Как собрать набор примеров, выбрать критерии и сравнить модели честно, не полагаясь на один удачный ответ или рекламу.
Как считать токены Claude до отправки запроса и не превышать контекст
Использование Token Counting API Claude: предварительная оценка запроса, резерв под ответ и контроль сложных блоков.
Как оценить MLPClassifier через classification report и confusion matrix
Оценка нейросети не одной accuracy: classification_report как dict, confusion_matrix, support, macro F1 и точные критерии проверки.
Как измерить hit rate и MRR поиска в LlamaIndex RetrieverEvaluator
Размеченный вопрос, expected_ids и оценка позиции релевантного узла до тестирования ответов генератора.
Как настроить Hybrid Search OpenSearch через normalization-processor
BM25 плюс k-NN, min_max/L2/z_score, weights, search pipeline, общие ACL-фильтры и оценка nDCG@10 на трёх baselines.
Как сделать Hybrid Search в Elasticsearch через BM25, kNN и RRF
Две retrieval-ветви, Reciprocal Rank Fusion, общий tenant filter, rank_window_size, конкретный JSON и оценка nDCG@10.
Как сделать hybrid search в pgvector: PostgreSQL FTS и RRF
Две независимые выдачи pgvector и tsvector, Reciprocal Rank Fusion, tenant filter, конкретный SQL и оценка nDCG@10.
Как включить int8, int4 или BBQ-квантование dense_vector в Elasticsearch
Сравнение int8_hnsw, int4_hnsw и bbq_hnsw, ограничения dimensions, oversampling, rescoring и честная оценка памяти.
Как проверить canonical на языке AI-перевода статьи
Сверка canonical русской и английской статей: поиск ошибки, когда перевод указывает на оригинал вместо своего URL.
Как посчитать разброс loss через Flax NNX metrics.Welford
Flax 0.12.10: потоковое среднее, standard deviation и standard error для loss без хранения всех наблюдений.
Как не дать активному клиенту исказить оценку AI-классификатора
Сравниваем точность по всем сообщениям и среднюю точность по клиентам при разном числе заявок.
Как измерить согласие двух разметчиков AI-тестов через Cohen kappa
Сопоставляем метки двух разметчиков по ID и вручную рассчитываем Cohen kappa с проверкой случайного согласия.
Как рассчитать ECE для AI-вероятностей и не скрыть пустые группы
Рассчитываем взвешенную разницу между средней вероятностью и частотой исхода, отделяя пустые корзины.
Как найти ошибочные и медленные запросы AI-приложения в MLflow Traces
Фильтруем статус ERROR и длительность через search_traces, сверяя результат с искусственными успешным и аварийным вызовами.