
Почему эмбеддингов недостаточно: гибридный RAG с BM25, реранкером и семантическим кешем (ИИ-дубляж)
Shownotes
Вы построили векторную базу данных, проиндексировали документы и потратили бюджет, но Copilot по-прежнему галлюцинирует. Причина редко в модели — дело в стратегии поиска: эмбеддинги возвращают похожее, а не правильное. В этом выпуске разбираем, как гибридная архитектура RAG из BM25, векторного поиска и семантического реранкинга достигает точности, нужной бизнесу.Что вы узнаете:Ловушка top-K: почему математическое сходство — это не бизнес-релевантность и почему чистый векторный поиск ошибается на кодах продуктов, SKU и внутренних названиях проектовГибридный стандарт: как поиск по ключевым словам BM25 вместе с векторным поиском повышает полноту на 17% и надёжно находит профессиональный жаргонСемантическое ранжирование с реранкером L2 в Azure AI Search: модели с перекрёстным вниманием на базе Bing поднимают правильный ответ с 8-го места на 1-еДоступная точность: семантический кеш сокращает вызовы LLM на 60–80%, а реранкер включается только для сложных запросовРазрыв в управлении и дорожная карта на 2026 год: агентный RAG, GraphRAG и аудит поиска как первый шагДля ИИ-архитекторов, разработчиков и ИТ-руководителей, которые хотят вывести RAG-проекты из пилота в продакшен.Этот выпуск — русская версия с ИИ-дубляжом анимированного видео из M365 Show от Microsoft MVP Мирко Петерса.▶ Смотреть видео: https://youtu.be/ikxHcblu_tA🎧 Другие выпуски: https://www.m365.fm🎤 M365Con — бесплатная онлайн-конференция по Microsoft: https://m365con.net💼 Мирко Петерс в LinkedIn: https://www.linkedin.com/in/m365showpodcast/
This episode includes AI-generated content.
This episode includes AI-generated content.
Alle Folgen von M365.FM – подкаст о Microsoft 365, Copilot и ИИ на русском