Embedding drift | AI slovník

Odborná definice

Embedding drift je změna rozdělení, geometrie nebo praktického významu vektorových reprezentací v čase. Může vzniknout změnou vstupního obsahu, předzpracování, chunkování, modelu nebo jeho verze. V RAG a sémantickom vyhledávání je kritická nekompatibilita, když nové dotazy vznikají v jiném prostoru než starší indexované dokumenty. Drift se sleduje pomocí vzdáleností distribúcií, stability sousedů, výkonnostných metrik a kontrolných dotazů, přičemž samotný statistický posun ještě nedokazuje zhoršení služby.

Srozumitelné vysvětlení

Představte si mapu skladu, na které se po aktualizaci změní poloha všech regálů, ale staré navigačné body zůstanou nezmenené. Systém stále počítá vzdálenosti, ibaže už neukazují správně susedstvo. Podobný problém nastane, když se část dokumentů prekóduje novým embedding modelem a zbytek zůstane v původním indexe. Druhým typem je změna samotného obsahu používatelských otázek. Proto se odděleně sleduje verze prostoru, distribuce vstupů a skutečná úspěšnost retrievalu.

Časté otázky

Jaký je rozdíl mezi embedding driftom a dátovým driftom?

Datový drift popisuje změnu vstupů. Embedding drift sleduje jejich naučené reprezentace a může vzniknout i bez změny vstupů, například po výmene modelu nebo předzpracování.

Proč nelze miešat staré a nové embeddingy?

Souřadnice z různých modelových priestorů nemají společnou geometrii. Číselná podobnost mezi nimi proto nemusí vyjadrovat žiadny stabilní význam.

Které kontrolní metriky jsou vhodné pro RAG?

Sleduje se stabilita nearest neighbors, Recall@k na referenčních otázkach, změna skóre relevantních pasáží, podíl prázdnych výsledků a výkon po skupinách dotazů.

Znamená posun centroidu automaticky incident?

Ne. Globální posun může být neškodný, pokud se zachovalo lokálně susedstvo a retrieval funguje. Alarm se proto váže i na aplikačné metriky.

Jako bezpečně vymenit embedding model?

Je třeba verzovat model i předzpracování, prekódovat celý korpus nebo prevádzkovat oddělené indexy, porovnat výsledky na referenční sade a pripravit rollback.

Související pojmy

Zdroje a redakční stopa

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.