<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>情報検索 on tomato blog</title><link>https://yuhi-sa.github.io/tags/%E6%83%85%E5%A0%B1%E6%A4%9C%E7%B4%A2/</link><description>Recent content in 情報検索 on tomato blog</description><generator>Hugo</generator><language>ja</language><lastBuildDate>Sun, 22 Nov 2026 23:07:39 +0900</lastBuildDate><atom:link href="https://yuhi-sa.github.io/tags/%E6%83%85%E5%A0%B1%E6%A4%9C%E7%B4%A2/index.xml" rel="self" type="application/rss+xml"/><item><title>RAGのチャンク分割を評価する方法：サイズ・オーバーラップをPythonで比較</title><link>https://yuhi-sa.github.io/posts/20261122_rag_chunking_evaluation/1/</link><pubDate>Sun, 22 Nov 2026 00:00:00 +0900</pubDate><guid>https://yuhi-sa.github.io/posts/20261122_rag_chunking_evaluation/1/</guid><description>&lt;p&gt;RAGで大きいチャンクと小さいチャンクを比べるとき、どちらにも「上位5件」を渡すと、大きいチャンクの方が多くのテキストをLLMに送れます。サイズとオーバーラップの効果を見るには、回答に必要な根拠を元文書上で指定し、同じ入力予算に収まった部分を比較します。Pythonの標準ライブラリだけで試せる例を使い、根拠の取りこぼしと重複の両方を測ります。&lt;/p&gt;</description></item><item><title>RAGの検索精度を評価する方法：Recall@k・MRR・nDCGをPythonで比較</title><link>https://yuhi-sa.github.io/posts/20261122_rag_retrieval_evaluation/1/</link><pubDate>Sun, 22 Nov 2026 00:00:00 +0900</pubDate><guid>https://yuhi-sa.github.io/posts/20261122_rag_retrieval_evaluation/1/</guid><description>&lt;p&gt;同じ関連文書が上位に入っていても、直接の根拠が1位の場合と3位の場合では、LLMに渡すコンテキストが違います。Recall@kで根拠の取りこぼしを、MRRで最初の関連文書の順位を、nDCGで関連度を加味した並び順を見ます。ここでは3つの質問を使って、リランキングの効果を手元のPythonで分解します。&lt;/p&gt;</description></item></channel></rss>