0 / 0
資料の 英語版 に戻る
AutoAIRAGパターンの詳細
最終更新: 2025年2月21日
AutoAIRAGパターンの詳細

AutoAIRAG実験が完了したら、パターンの詳細を表示して、構成とパフォーマンスを理解します。

パイプラインリーダーボードから、実験が生成した各パターンについて、以下の情報が記載された表を見ることができる:

説明
ランク 最適化されたメトリックの最高のパフォーマンスによる配置の順位
名前 パターン名
モデル名 ドキュメントのベクトル化とインデックス作成に使われた埋め込みモデルの名前
メトリックの最適化 実験で選択された最適化されたメトリックのパフォーマンス結果。 RAGパターンは、解答の忠実性と解答の正しさを最適化することができる
チャンク・サイズ 索引付けされた文書から検索されたデータ量
取得方法 インデックス付けされた文書を検索するために使用される方法(WindowまたはSimple
ベクトル・ストアの距離メトリック 保存されたベクトルと入力ベクトルの関連性を測定するために使用されるメトリック(コサインまたはユークリッド

パターン名をクリックすると、パターンの以下の設定詳細を確認できます。 実験作成時に編集可能な設定もあります。 詳細はRAG実験設定のカスタマイズを参照。

説明
パターン パターン名
スコア・タイプ パフォーマンス指標の計算方法と表示方法。
- Mean: 指標の平均スコア。
- CI High: 平均スコアの信頼区間(CI)の上限で、指標が達成する可能性が高い最高値を示す。
- CI Low: 平均スコアの信頼区間(CI)の下限で、指標が達成する可能性が高い最低値を示す。
回答の正確さ 検索されたコンテキストの関連性と生成された応答の品質の両方を含む、生成された応答の正確さ。
回答の忠実さ 検索対象のテキストに対する生成された応答の精度。
コンテキストの正確さ 生成された応答と入力の関連性。
ベクトル・ストアのデータソース・タイプ ベクトル・ストアに接続するデータソース。
ベクトル・ストアの距離メトリック 格納されたベクトルが入力ベクトルとどの程度関連しているかを測定するためのメトリック。
ベクトル・ストアの索引名 ベクトル・ストアの保存と取得のために、データ構造として使用される索引。
ベクトル・ストアの運用 データを取り出すためのベクトル・ストア操作。 例えば、データベーステーブルの行を挿入または更新するための upsert
ベクトル・ストア・スキーマ・フィールド ベクトル化された文書のインデックスを格納するためのスキーマ。
ベクトルストア・スキーマID ベクトルストアスキーマのユニークな識別子。
ベクトル・ストア・スキーマ名 データベース・テーブルの構造化に使用されるスキーマ名
ベクトル・ストア・スキーマ・タイプ スキーマに保存できるデータの種類と、そのデータに対して実行できる操作を決定します。 スキーマ・タイプstructは、構造化データを格納するために使われる。
チャンク重複 共通の単語やフレーズを持つチャンクの数。
チャンク・サイズ 索引文書から取得されたデータ量。
チャンク増加 入力を複数のチャンクに分割した後、入力の各チャンクに対して関連テキストを取得する方法。
モデルの組み込み 文書コレクションのベクトル化とインデックス付けに使用される埋め込みモデル。
入力トークンの切り捨て 入力として受け入れられるトークンの最大数。
切り捨て戦略 モデルのパフォーマンスを最適化するために、取得された文書の処理方法を決定するための戦略です。
取得方法 索引付き文書を取得する方法: windowまたはsimple。
チャンク数 索引付き文書から取得されたチャンクの数。
コンテキスト・テンプレートのテキスト 生成された応答の構造化テンプレート。
基盤モデル エクスペリメントに使用された基盤モデル。 モデルの詳細については、プレビューアイコンをクリックしてください。
デコード方式 モデルが生成された出力のトークンを選択するために使用するプロセス。
最大新トークン 索引付き文書から取得したトークンに加えて、新たに生成できるトークンの最大数。
最小新トークン 生成可能な新規トークンの最小数。
プロンプト・テンプレートのテキスト 索引付き文書からテキストを取得する際に使用する、モデルのガイドラインを備えた構造。
単語とトークンの比率 テキスト内の単語数を生成されたトークンの数で割った値。
サンプルのQ&A 問題と正解は、パターンのパフォーマンスを測定するためのテストデータとして提供される。

親トピック AutoAIでRAGパターンを自動化する