Spørgsmålet er på tysk, den afgørende instruks på arabisk. En søgning efter de samme bogstaver kan næppe genkende det passende afsnit. En flersproget søgeapplikation forsøger i stedet at bringe spørgsmål og betydning sammen på tværs af forskellige formuleringer. At den finder en tekst, der lyder lignende, er dog endnu ikke nok.
Det officielle modelkort for BGE-M3 beskriver flersprogede embeddings samt dense, sparse og multi-vector retrieval. Disse egenskaber vedrører udvælgelsen af kilder. En fuldstændig oversættelse og et korrekt svar er yderligere opgaver, der skal vurderes separat.
Et fælles søgerum er endnu ikke et svar
Ved dense retrieval omdannes tekster til numeriske repræsentationer og sammenlignes ved hjælp af et lighedsmål. Sparse metoder bruger vægtede træk, der er fordelt på en anden måde. Multi-vector-metoder kan sammenligne en tekst på tværs af flere repræsentationer. Modelkortet beskriver flere søgeveje; at de blot er tilgængelige, garanterer ikke et hit for enhver formulering.
For læseren er noget enklere vigtigst først: Handler det fundne afsnit om det samme spørgsmål, inklusive begrænsning og omfang? Et hit om arkiverede dokumenter er ikke et tilstrækkeligt grundlag for et spørgsmål om den aktuelle arbejdsmappe.
Tre videnskort i stedet for et stort arkiv
Opret din egen lille samling med faste identifikatorer. K01 beskriver en godkendelsesregel for forseglede pakker. K02 tillader, at frit tilgængeligt materiale tages. K03 nævner et andet emne, for eksempel arkivet. Hold fakta bevidst korte og entydige.
Til K01 kan du arbejde med versioner på tysk, arabisk og hindi, som er kontrolleret af en person med den relevante faglige ekspertise. De følgende sætninger, som vi selv har skrevet, er et undervisningseksempel og kræver en passende sproglig gennemgang før enhver offentliggørelse:
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।Identifikatoren forbinder betydningen, ikke kun filnavnet. Fastlæg før søgetesten, hvilket kort hvert spørgsmål skal ramme. For det tyske spørgsmål »Wann darf ich ein versiegeltes Paket öffnen?« (»Hvornår må jeg åbne en forseglet pakke?«) hører K01 til det forventede grundlag. K02 er et bevidst nært modeksempel med en anden betingelse.
Vurder først hittene, derefter formuleringen
Når et passende søgemiljø er klargjort, så stil først spørgsmålene uden efterfølgende generering af svar. Notér identifikatorerne for de øverste hits og de respektive originaltekster. På den måde kan du fastslå, om det rigtige grundlag overhovedet bliver valgt.
Kontrollér det første hit og derefter et lidt større udsnit af resultatlisten. Et relevant dokument på andenpladsen viser en anden egenskab end et relevant første hit. Med en meget lille samling er sådanne forskelle direkte synlige, uden at du offentliggør en kunstigt præcis samlet rate.
Et lille evalueringsskema er nok: spørgsmålets identifikator, forventet kort, fundne kort, kildesprog og eventuelle observerede betydningsforskelle. Skift derefter kun spørgsmålets sprog. Hvis du samtidig omskriver korpusset, er den nye runde ikke længere den samme sammenligning.
Negationer er særligt værdifulde modeksempler
Tilføj et spørgsmål, der sigter mod en undtagelse. Mange fælles ord kan gøre et fagligt forkert hit attraktivt. Et afsnit med »må ikke« eller »kun efter godkendelse« skal bevare sin betydning. En søgning efter lignende indhold bør derfor ikke forveksles med en kontrol af et identisk udsagn.
Først når hittene er valgt, får du om nødvendigt lavet et svar eller en oversættelse. Bliv ved med at vise den originale passage. Så kan søgefejl fortsat skelnes fra oversættelsesfejl. En korrekt kilde kan gengives dårligt; en flydende oversættelse kan forklare en uegnet kilde på en forståelig, men forkert måde.
Visningen er også en del af testen
Arabisk tekst kræver den rigtige læseretning; tekniske identifikatorer forbliver i deres logiske rækkefølge. Hindi er ikke indonesisk. Disse forskelle bør allerede være korrekte i referencedataene, før en modeltest udleder et tilsyneladende udsagn om kvalitet af dem.
At komme i gang med flersproget søgning består derfor af nogle få velforståede betydninger og gode modeksempler. BGE-M3 stiller en dokumenteret model til rådighed til dette. Om den gør din samling nyttigt søgbar, viser kun den faktiske søgning med de konkrete spørgsmål, sprog og originale passager.
Kilder og status
Kilder med status pr. 25. oktober 2026. Modelkort for BGE-M3.
