जर्मन में पूछें, अरबी में पाएँ: एआई सर्च भाषा की सीमाओं को कैसे पार करता है

प्रश्न जर्मन में है, निर्णायक निर्देश अरबी में। एक जैसे अक्षरों की खोज मेल खाने वाले अनुच्छेद को शायद ही पहचान सकती है। इसके बजाय, एक बहुभाषी सर्च एप्लिकेशन अलग-अलग शब्दावली के पार प्रश्न और अर्थ को एक साथ लाने का प्रयास करता है। लेकिन उसका किसी मिलते-जुलते लगने वाले पाठ को ढूँढ लेना अभी पर्याप्त नहीं है।

यह आधिकारिक BGE-M3 मॉडल कार्ड बहुभाषी एम्बेडिंग्स के साथ-साथ डेंस, स्पार्स और मल्टी-वेक्टर रिट्रीवल का वर्णन करता है। ये क्षमताएँ स्रोतों के चयन से संबंधित हैं। पूर्ण अनुवाद और सही उत्तर आगे के ऐसे कार्य हैं जिन पर अलग से विचार करना आवश्यक है।

साझा सर्च स्पेस अभी उत्तर नहीं है

डेंस रिट्रीवल में पाठों को संख्यात्मक निरूपणों में बदला जाता है और एक समानता माप की सहायता से उनकी तुलना की जाती है। स्पार्स विधियाँ अलग तरह से वितरित भारित विशेषताओं का उपयोग करती हैं। मल्टी-वेक्टर विधियाँ किसी पाठ की तुलना कई निरूपणों के आधार पर कर सकती हैं। मॉडल कार्ड कई रिट्रीवल मार्गों का वर्णन करता है; केवल उनकी उपलब्धता हर शब्दावली के लिए सही परिणाम की गारंटी नहीं देती।

पाठक के लिए पहले कुछ सरल बात मायने रखती है: क्या प्राप्त किया गया खंड, प्रतिबंध और दायरे सहित, उसी प्रश्न से संबंधित है? संग्रहीत दस्तावेज़ों के बारे में कोई परिणाम वर्तमान कार्य-फ़ोल्डर के बारे में प्रश्न के लिए पर्याप्त आधार नहीं है।

बड़े संग्रह के बजाय तीन ज्ञान-कार्ड

निश्चित पहचानकर्ताओं के साथ अपना एक छोटा संग्रह बनाइए। K01 सीलबंद पैकेजों के लिए एक अनुमोदन नियम का वर्णन करता है। K02 खुले तौर पर उपलब्ध सामग्री लेने की अनुमति देता है। K03 किसी भिन्न विषय का नाम लेता है, जैसे संग्रह। तथ्यों को जान-बूझकर संक्षिप्त और स्पष्ट रखिए।

K01 के लिए आप जर्मन, अरबी और हिंदी के ऐसे संस्करणों के साथ काम कर सकते हैं जिन्हें संबंधित विशेषज्ञता वाले किसी व्यक्ति ने जाँचा हो। निम्नलिखित वाक्य, जिन्हें हमने स्वयं लिखा है, एक शिक्षण उदाहरण हैं और किसी भी प्रकाशन से पहले उनकी उपयुक्त भाषा-समीक्षा आवश्यक है:

K01-de: Versiegelte Pakete dürfen nur nach Freigabe geöffnet werden.
K01-ar: لا يجوز فتح العبوات المختومة إلا بعد الحصول على موافقة.
K01-hi: सीलबंद पैकेट केवल अनुमति मिलने के बाद खोले जा सकते हैं।

पहचानकर्ता केवल फ़ाइल नाम को नहीं, बल्कि अर्थ को जोड़ता है। सर्च परीक्षण से पहले तय कीजिए कि प्रत्येक प्रश्न को किस कार्ड तक पहुँचना चाहिए। जर्मन प्रश्न “Wann darf ich ein versiegeltes Paket öffnen?” (“मैं सीलबंद पैकेज कब खोल सकता/सकती हूँ?”) के लिए K01 अपेक्षित आधार में शामिल है। K02 एक भिन्न शर्त वाला जान-बूझकर निकट रखा गया प्रति-उदाहरण है।

पहले परिणामों का मूल्यांकन कीजिए, फिर शब्दावली का

जब एक उपयुक्त सर्च वातावरण तैयार हो जाए, तो पहले बिना किसी बाद के उत्तर-निर्माण के प्रश्न पूछिए। शीर्ष परिणामों के पहचानकर्ता और संबंधित मूल पाठ नोट कीजिए। इससे आप यह स्थापित कर सकते हैं कि सही आधार चुना भी जा रहा है या नहीं।

पहले परिणाम की जाँच कीजिए और फिर परिणाम-सूची के कुछ बड़े हिस्से की। दूसरे स्थान पर मौजूद प्रासंगिक दस्तावेज़ एक प्रासंगिक पहले परिणाम से भिन्न गुण दर्शाता है। बहुत छोटे संग्रह में ऐसे अंतर बिना कोई कृत्रिम रूप से सटीक समग्र दर प्रकाशित किए सीधे दिखाई देते हैं।

एक छोटा मूल्यांकन-ग्रिड पर्याप्त है: प्रश्न-पहचानकर्ता, अपेक्षित कार्ड, पाए गए कार्ड, स्रोत भाषा और देखा गया कोई भी अर्थ-अंतर। फिर केवल प्रश्न की भाषा बदलिए। यदि आप उसी समय कॉर्पस को भी दोबारा लिखते हैं, तो नया दौर अब वही तुलना नहीं रहता।

निषेध विशेष रूप से मूल्यवान प्रति-उदाहरण हैं

एक ऐसा प्रश्न जोड़िए जो किसी अपवाद को लक्षित करता हो। कई साझा शब्द तथ्यात्मक रूप से गलत परिणाम को आकर्षक बना सकते हैं। “नहीं करना चाहिए” या “केवल अनुमोदन के बाद” वाले खंड का अर्थ बना रहना चाहिए। इसलिए मिलती-जुलती सामग्री की खोज को समान कथन की जाँच से नहीं मिलाना चाहिए।

परिणामों के चयन के बाद ही, यदि आवश्यक हो, आप उत्तर या अनुवाद तैयार करवाइए। मूल अंश को दिखाते रहिए। इससे सर्च की त्रुटियाँ अनुवाद की त्रुटियों से अलग पहचानी जा सकती हैं। एक सही स्रोत को खराब ढंग से प्रस्तुत किया जा सकता है; एक धाराप्रवाह अनुवाद किसी अनुपयुक्त स्रोत को समझने योग्य लेकिन गलत ढंग से समझा सकता है।

प्रदर्शन भी परीक्षण का हिस्सा है

अरबी पाठ को सही पठन-दिशा चाहिए; तकनीकी पहचानकर्ता अपने तार्किक क्रम में रहते हैं। हिंदी इंडोनेशियाई नहीं है। ये अंतर संदर्भ डेटा में पहले से सही होने चाहिए, इससे पहले कि कोई मॉडल परीक्षण उनसे गुणवत्ता के बारे में कोई आभासी निष्कर्ष निकाले।

इसलिए बहुभाषी सर्च की शुरुआत कुछ भली-भाँति समझे गए अर्थों और अच्छे प्रति-उदाहरणों से होती है। BGE-M3 इसके लिए एक प्रलेखित मॉडल प्रदान करता है। यह आपके संग्रह को उपयोगी रूप से खोजने योग्य बनाता है या नहीं, यह केवल विशिष्ट प्रश्नों, भाषाओं और मूल अंशों के साथ की गई वास्तविक सर्च से ही पता चलता है।

स्रोत और स्थिति

स्रोत 25 अक्टूबर 2026 की स्थिति के अनुसार। BGE-M3 मॉडल कार्ड।