Madde #329RAG & Vektör/sozluk/cross-encoder
Cross-Encoder
Cross-Encoder Architecture
Türkçe: Çapraz Kodlayıcı
Ayrıntılı Tanım
Kullanıcı sorgusu ile aday dokümanı tek bir metin gibi araya `[SEP]` ayracı koyarak birleştiren ve Transformer modelinin tüm katmanlarında **sorgu ve doküman kelimelerinin birbirine tam çapraz dikkatle (cross-attention) bakmasını sağlayan** yüksek doğruluklu sıralama modelidir.
Ne İşe Yarar / Çözülen Problem
Bilgi erişiminde ulaşılabilecek en yüksek alaka ve doğruluk düzeyini sunar; arama motorlarında ve RAG sistemlerinde "Yeniden Sıralayıcı" (Reranker) olarak kullanılır.
Nasıl Çalışır? (Teknik & Mekanizma)
Girdi: `[CLS] Sorgu [SEP] Doküman [SEP]`. Model tek bir ileri geçiş yapar ve `[CLS]` tokenından 0 ile 1 arasında tek bir alaka skoru üretir.
Örnek Senaryo & Pratik Uygulama
Bir dedektifin elindeki şüpheli ifade tutanağı ile olay yeri raporunu yan yana masaya koyup kelime kelime, satır satır parmağıyla karşılaştırması.
Benzer Terimlerden Farkı
Bi-Encoder'a göre katbekat daha doğrudur ancak milyonlarca belgeyi önceden vektörleştiremez; her sorgu için eşzamanlı çalışmak zorunda olduğundan çok yavaştır.
İlişkili Terimler (3)
Bilgi Erişimi, RAG ve Vektör Veritabanları
Dense/Sparse retrieval, Vektör indeksleme (HNSW), Rerankers ve RAG pipeline.
Toplam Terim:37 Madde
Bu Kategorideki Tüm Terimleri Gör →Önceki Terim (#328)Dense Retrieval
Sonraki Terim (#330)Bi-Encoder