এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
ঘন প্যাসেজ রিট্রিভাল (DPR)
প্রাসঙ্গিক প্যাসেজ বের করার জন্য বিশেষভাবে ডিজাইন করা ঘন পুনরুদ্ধার স্থাপত্য, যা প্রশ্ন এবং প্যাসেজের জন্য পৃথক BERT এনকোডার ব্যবহার করে কনট্রাস্টিভ লার্নিং সহ।
বাই-এনকোডার আর্কিটেকচার
কোয়েরি এবং ডকুমেন্টের জন্য দুটি স্বাধীন এনকোডার ব্যবহার করে পুনরুদ্ধার স্থাপত্য, যা বড় আকারের অনুসন্ধানের জন্য ডকুমেন্টের প্রি-ক্যালকুলেটেড ইন্ডেক্সিং সম্ভব করে।
ক্রস-এনকোডার আর্কিটেকচার
একটি স্থাপত্য যেখানে কোয়েরি এবং ডকুমেন্ট একত্রিত হয়ে একই এনকোডার দ্বারা একসাথে প্রক্রিয়াজাত হয়, যা অনুসন্ধানের গতির ব্যয়ে উচ্চতর নির্ভুলতা প্রদান করে।
হায়ারার্কিক্যাল নেভিগেবল স্মল ওয়ার্ল্ড (HNSW)
মাল্টি-লেভেল গ্রাফ ব্যবহার করে আনুমানিক নিকটতম প্রতিবেশী অনুসন্ধানের জন্য ভেক্টর ইন্ডেক্সিং অ্যালগরিদম, যা গতি এবং নির্ভুলতার মধ্যে চমৎকার ভারসাম্য প্রদান করে।
ম্যাক্সিমাল মার্জিনাল রিলেভেন্স (MMR)
অনুসন্ধান ফলাফলের বৈচিত্র্যকরণ অ্যালগরিদম যা প্রাসঙ্গিকতা এবং নতুনত্বের ভারসাম্য বজায় রাখে, এমন ডকুমেন্ট নির্বাচন করে যা প্রাসঙ্গিকতা সর্বাধিক করে এবং শব্দার্থিক পুনরাবৃত্তি ন্যূনতম করে।
হাইব্রিড সার্চ
সেমান্টিক সার্চ এবং কীওয়ার্ড সার্চের স্বতন্ত্র শক্তির সুবিধা নেওয়ার জন্য ঘন এবং স্পার্স পুনরুদ্ধারকে একত্রিত করার পদ্ধতি, সামগ্রিক নির্ভুলতা উন্নত করে।
সেন্টেন্স ট্রান্সফরমার্স
উচ্চ-মানের বাক্য এমবেডিং তৈরি করার জন্য বিশেষভাবে প্রশিক্ষিত BERT মডেল, যা সেমান্টিক সাদৃশ্য এবং ক্লাস্টারিং কাজের জন্য অপ্টিমাইজড।
ভেক্টর ইন্ডেক্সিং
বড় আকারের অনুসন্ধানের জন্য সাদৃশ্য কোয়েরি ত্বরান্বিত করার জন্য বিশেষায়িত ডেটা স্ট্রাকচারে ঘন ভেক্টর সংগঠিত করার প্রক্রিয়া, যা অপরিহার্য।
ঘন পুনরুদ্ধার-সমৃদ্ধ প্রজন্ম
RAG-এর একটি সম্প্রসারণ যা উৎপাদন মডেলগুলিকে প্রাসঙ্গিক প্রসঙ্গ সরবরাহ করার জন্য বিশেষভাবে ঘন পুনরুদ্ধার ব্যবহার করে, উৎপন্ন প্রতিক্রিয়াগুলির সামঞ্জস্য এবং সত্যিকারের নির্ভুলতা উন্নত করে।
বিলম্বিত মিথস্ক্রিয়া
পুনরুদ্ধারের একটি প্যারাডাইম যেখানে প্রশ্ন এবং নথির মধ্যে মিথস্ক্রিয়া প্রক্রিয়ার শেষ দিকে ঘটে, পৃথক এনকোডিংয়ের পরে, যা নির্ভুলতা এবং গণনাগত দক্ষতার মধ্যে একটি ভারসাম্য অনুমোদন করে।