BM25
Método de pontuação de relevância que considera a frequência dos termos, sua distinção entre documentos e o tamanho dos documentos.
Mencionado em
Seção intitulada “Mencionado em”- Lakebase Search: crie recuperação de informações para agents com Lakebase Postgres
- Se queremos que façam trabalho do conhecimento, devemos projetá-los como agentes de conhecimento — Benjamin Clavié, Mixedbread
- Crie RAG com JEV
- Grep ou embeddings? Busca agentic em documentos empresariais — George He, LlamaIndex
- Como testar agentes de IA quando não existe benchmark — Nathanael Weill, Air Canada
- Não deixe os modelos inventarem números — Vinoo Ganesh, Kepler
- LEANN: 201 GB contra 6 GB?! Instalei este banco vetorial INSANO
- Sua geladeira é um dispositivo de pagamento válido — Eleonora Drykina e Nina Žižakić, In The Pocket
- Curso de busca híbrida no PostgreSQL — busca por palavras-chave (BM25) + recuperação vetorial
- Busca vetorial não basta: busca híbrida e recuperação — Jeff Vestal e James Williams, Elastic
- Usando Jev no seu agent harness
Relacionados
Seção intitulada “Relacionados”RAG, Reciprocal Rank Fusion, Claude Code, embedding, Jev, reranking, TurboPuffer, PostgreSQL, Pydantic, Databricks, Spark, Unity Catalog