এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
ক্রস-এনকোডার রির্যাঙ্কিং
একটি রির্যাঙ্কিং আর্কিটেকচার যেখানে ট্রান্সফরমার একসাথে ক্যুয়েরি এবং প্রতিটি ডকুমেন্টকে একটি একক ইনপুট সিকোয়েন্স হিসেবে প্রক্রিয়া করে তাদের পারস্পরিক প্রাসঙ্গিকতা মূল্যায়নের জন্য। এই পদ্ধতিটি উচ্চ গণনীয় জটিলতার বিনিময়ে উচ্চ নির্ভুলতা প্রদান করে।
মনোটি৫ রির্যাঙ্কিং
টি৫-ভিত্তিক একটি রির্যাঙ্কিং মডেল যা বিশেষ 'True' এবং 'False' টোকেন ব্যবহার করে র্যাঙ্কিং টাস্ককে টেক্সট জেনারেশন সমস্যা হিসেবে রিফর্মুলেট করে। এই পদ্ধতিটি প্রাকৃতিক ভাষা বোঝার ক্ষমতা কাজে লাগিয়ে পুনরুদ্ধারকৃত ডকুমেন্টগুলিকে কার্যকরভাবে পুনর্বিন্যাস করতে সক্ষম করে।
কলবার্ট রির্যাঙ্কিং
একটি লেট-ইন্টারঅ্যাকশন টোকেন-লেভেল ভিত্তিক রির্যাঙ্কিং সিস্টেম যা ডকুমেন্ট এবং ক্যুয়েরিগুলিকে প্রতিটি টোকেনের জন্য কন্টেক্সচুয়ালাইজড ভেক্টরে এনকোড করে। এই পদ্ধতিটি গ্রহণযোগ্য গণনীয় দক্ষতা বজায় রাখার পাশাপাশি গ্রানুলার ম্যাচগুলি ক্যাপচার করে।
বিজিই রির্যাঙ্কার
সেমান্টিক সার্চ টাস্কের জন্য অপ্টিমাইজড একটি রির্যাঙ্কিং মডেল, যা ক্রস-এনকোডার আর্কিটেকচার সহ ব্যাপক রিলেভেন্স ডেটা কর্পাসে প্রশিক্ষিত। এটি RAG সিস্টেমের জন্য প্রাসঙ্গিক এবং অপ্রাসঙ্গিক ডকুমেন্টের মধ্যে সূক্ষ্ম বৈষম্যে দক্ষ।
লিস্টওয়াইজ লস
একটি লস ফাংশন যা পৃথক জোড়ার পরিবর্তে সরাসরি পুনরুদ্ধারকৃত ডকুমেন্ট লিস্টের সম্পূর্ণ অর্ডার অপ্টিমাইজ করে। এই পদ্ধতিটি রির্যাঙ্কিংয়ের গুণমান উন্নত করতে সামগ্রিক প্রাসঙ্গিকতা বন্টন বিবেচনা করে।
পেয়ারওয়াইজ লস
একটি ট্রেনিং ফাংশন যা ডকুমেন্ট জোড়া তুলনা করে একটি বেশি প্রাসঙ্গিক এবং একটি কম প্রাসঙ্গিক ডকুমেন্টের মধ্যে বৈষম্য শিখতে। এই পদ্ধতিটি সুপারভাইজড লার্নিং রির্যাঙ্কিং সিস্টেমের জন্য বিশেষভাবে কার্যকর।
মাল্টি-স্টেজ রিট্রিভাল
একটি রিট্রিভাল আর্কিটেকচার যা একাধিক ধারাবাহিক ফেজ নিয়ে গঠিত, যাতে একটি প্রাথমিক ব্রোড রিট্রিভাল এবং ধাপে ধাপে আরো সুনির্দিষ্ট এক বা একাধিক রির্যাঙ্কিং লেভেল অন্তর্ভুক্ত থাকে। এই পদ্ধতিটি বৃহৎ স্কেল RAG সিস্টেমে দক্ষতা এবং নির্ভুলতার ভারসাম্য বজায় রাখে।
প্যাসেজ রির্যাঙ্কিং
একটি রির্যাঙ্কিং প্রক্রিয়া যা বিশেষভাবে সম্পূর্ণ ডকুমেন্টের পরিবর্তে প্যাসেজ বা টেক্সট সেগমেন্টে প্রয়োগ করা হয় প্রাসঙ্গিক কন্টেন্ট নির্বাচনে বর্ধিত গ্রানুলারিটির জন্য। এই টেকনিক RAG-এ জেনারেশনের জন্য ইনপুটের গুণমান অপ্টিমাইজ করে।
লার্নিং টু র্যাঙ্ক (এলটিআর)
তথ্য র্যাঙ্কিংয়ের জন্য প্রয়োগকৃত মেশিন লার্নিং প্যারাডাইম যেখানে মডেলগুলি প্রাসঙ্গিকতা অনুসারে আইটেমগুলিকে ক্রমান্বয়ে সাজানোর জন্য প্রশিক্ষিত হয়। এলটিআর এনডিসিজি এবং এমএপির মতো র্যাঙ্কিং মেট্রিক্স অপ্টিমাইজ করতে বিভিন্ন বৈশিষ্ট্যকে একত্রিত করে।
নিউরাল ইনফরমেশন রিট্রিভাল
কোয়েরি এবং ডকুমেন্টের মধ্যে প্রাসঙ্গিকতা মডেল করার জন্য নিউরাল নেটওয়ার্ক ব্যবহার করে তথ্য পুনরুদ্ধারের পদ্ধতি, যা ঘন ভেক্টর উপস্থাপনার মাধ্যমে কাজ করে। এই পদ্ধতিটি কীওয়ার্ড ম্যাচের বাইরে জটিল শব্দার্থিক সম্পর্ক ধারণ করে।
ডেন্স রিট্রিভাল রির্যাঙ্কিং
ঘন এমবেডিং ভিত্তিক পুনর্বিন্যাস কৌশল যা প্রাথমিকভাবে পুনরুদ্ধারকৃত ডকুমেন্টগুলির প্রাসঙ্গিকতা পুনরায় মূল্যায়ন করে শব্দার্থিক স্থানের ভেক্টর সাদৃশ্য ব্যবহার করে। এই পদ্ধতিটি চূড়ান্ত গুণমান উন্নত করতে প্রাথমিক পুনরুদ্ধারের ফলাফলকে পরিশোধন করে।
কোয়েরি-ডকুমেন্ট ইন্টারঅ্যাকশন
রির্যাঙ্কিং সিস্টেমে মৌলিক মেকানিজম যা স্বাধীন উপস্থাপনার বাইরে জটিল নির্ভরতা ধারণ করার জন্য কোয়েরি এবং ডকুমেন্টের শব্দগুলির মধ্যে মিথস্ক্রিয়া স্পষ্টভাবে মডেল করে প্রাসঙ্গিকতা স্কোর গণনা করে।
রিলেভেন্স ফিডব্যাক লুপ
পুনরাবৃত্তিমূলক প্রক্রিয়া যেখানে র্যাঙ্ক করা ফলাফলের উপর প্রাসঙ্গিকতা রায় রির্যাঙ্কিং মডেল বা কোয়েরি নিজেই পরিশোধন করতে ব্যবহৃত হয়। এই অভিযোজিত লার্নিং কৌশলটি সিস্টেমের কর্মক্ষমতা ক্রমাগত উন্নত করে।
অ্যাটেনশন-ভিত্তিক রির্যাঙ্কিং
কোয়েরির সাথে সম্পর্কিত ডকুমেন্টের সবচেয়ে প্রাসঙ্গিক অংশগুলি সনাক্ত করতে এবং ওজন দিতে অ্যাটেনশন মেকানিজম ব্যবহার করে রির্যাঙ্কিং আর্কিটেকচার। এই পদ্ধতিটি ডকুমেন্টারি প্রাসঙ্গিকতার সূক্ষ্ম প্রাসঙ্গিক মূল্যায়ন ermöglicht।