№003 reranker-engineering · 07
Reranker 학습 데이터: Positive·Hard Negative·False Negative (7/14)
Production 후보 분포에서 graded positive와 hard negative를 만들고 false negative를 거르는 법을 익힙니다. Hybrid mining, 합성 label, split leakage와 dataset versioning도 다룹니다.
Tag index
#DataQuality
03 entries №002 enterprise-rag-knowledge-pipeline · 08
RAG Data Quality·Drift·Observability: 조용한 검색 품질 저하를 찾는 법 (8/10)
RAG ingestion의 completeness·validity·ACL·freshness를 lineage와 quality assertion으로 추적합니다. Parser·metadata·embedding·retrieval drift를 metric·trace·probe로 감지합니다.
№001 enterprise-rag-knowledge-pipeline · 02
RAG 문서 구조 추출: PDF Layout·OCR·표·읽기 순서를 보존하는 법 (2/10)
PDF RAG 문서 파싱을 native text, selective OCR, layout, reading order, table structure로 분해합니다. canonical element와 page·bbox를 보존하고 평가셋으로 parser 품질을 검증하는 방법을 설명합니다.
