De vraag is in het Duits, de doorslaggevende instructie in het Arabisch. Een zoekopdracht naar dezelfde letters kan de passende alinea nauwelijks herkennen. Een meertalige zoektoepassing probeert in plaats daarvan vraag en betekenis over verschillende formuleringen heen bij elkaar te brengen. Dat ze een gelijkklinkende tekst vindt, is echter nog niet genoeg.
De officiële modelkaart van BGE-M3 beschrijft meertalige embeddings en daarnaast dense, sparse en multi-vector retrieval. Deze mogelijkheden betreffen de selectie van bronnen. Een volledige vertaling en een correct antwoord zijn verdere taken die je afzonderlijk moet bekijken.
Een gedeelde zoekruimte is nog geen antwoord
Bij dense retrieval worden teksten omgezet in numerieke representaties en met een gelijkenismaat vergeleken. Sparse methoden gebruiken gewogen kenmerken die op een andere manier verdeeld zijn. Multi-vectormethoden kunnen een tekst over meerdere representaties heen vergelijken. De modelkaart beschrijft meerdere retrievalroutes; dat ze beschikbaar zijn, garandeert nog geen treffer voor elke formulering.
Voor de lezer telt eerst iets eenvoudigers: gaat het gevonden gedeelte over dezelfde vraag, inclusief beperking en reikwijdte? Een treffer over gearchiveerde documenten is geen voldoende basis voor een vraag over de huidige werkmap.
Drie kenniskaarten in plaats van een groot archief
Maak een kleine eigen verzameling met vaste identificatoren. K01 beschrijft een goedkeuringsregel voor verzegelde pakketten. K02 staat toe dat vrij beschikbaar materiaal wordt meegenomen. K03 noemt een ander onderwerp, zoals het archief. Houd de feiten bewust kort en eenduidig.
Voor K01 kun je werken met versies in het Duits, Arabisch en Hindi die door iemand met de relevante deskundigheid zijn gecontroleerd. De volgende zinnen, die we zelf hebben geschreven, zijn een lesvoorbeeld en hebben vóór elke publicatie een passende taalcontrole nodig:
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।De identificator koppelt de betekenis, niet alleen de bestandsnaam. Leg vóór de zoektest vast welke kaart elke vraag moet treffen. Bij de Duitse vraag „Wann darf ich ein versiegeltes Paket öffnen?” („Wanneer mag ik een verzegeld pakket openen?”) hoort K01 tot de verwachte basis. K02 is een bewust nauw verwant tegenvoorbeeld met een andere voorwaarde.
Beoordeel eerst de treffers, dan de formulering
Zodra een geschikte zoekomgeving klaarstaat, stel je de vragen eerst zonder aansluitende antwoordgeneratie. Noteer de identificatoren van de bovenste treffers en de bijbehorende originele teksten. Zo kun je vaststellen of überhaupt de juiste basis wordt geselecteerd.
Controleer de eerste treffer en daarna een iets groter deel van de resultatenlijst. Een relevant document op de tweede plaats laat een andere eigenschap zien dan een relevante eerste treffer. Bij een piepkleine verzameling zijn zulke verschillen direct zichtbaar, zonder dat je een kunstmatig nauwkeurig totaalpercentage publiceert.
Een klein beoordelingsraster volstaat: vraag-identificator, verwachte kaart, gevonden kaarten, brontaal en eventueel waargenomen betekenisverschil. Verander daarna alleen de taal van de vraag. Als je tegelijk het corpus herschrijft, is de nieuwe ronde niet langer dezelfde vergelijking.
Ontkenningen zijn bijzonder waardevolle tegenvoorbeelden
Voeg een vraag toe die op een uitzondering gericht is. Veel gedeelde woorden kunnen een inhoudelijk verkeerde treffer aantrekkelijk maken. Een gedeelte met „mag niet” of „alleen na goedkeuring” moet zijn betekenis behouden. Zoeken naar vergelijkbare inhoud moet daarom niet worden verward met een controle op een identieke uitspraak.
Pas nadat de treffers zijn geselecteerd, laat je zo nodig een antwoord of vertaling maken. Blijf de originele passage tonen. Zo blijven zoekfouten te onderscheiden van vertaalfouten. Een juiste bron kan slecht worden weergegeven; een vlotte vertaling kan een ongeschikte bron begrijpelijk maar verkeerd uitleggen.
Ook de weergave hoort bij de test
Arabische tekst heeft de juiste leesrichting nodig; technische identificatoren blijven in hun logische volgorde. Hindi is geen Indonesisch. Deze verschillen moeten al in de referentiegegevens kloppen voordat een modeltest er een schijnbare uitspraak over kwaliteit uit afleidt.
Beginnen met meertalig zoeken bestaat dus uit een paar goed begrepen betekenissen en goede tegenvoorbeelden. BGE-M3 biedt hiervoor een gedocumenteerd model. Of het jouw verzameling zinvol doorzoekbaar maakt, blijkt pas uit het daadwerkelijke zoeken met de concrete vragen, talen en originele passages.
Bronnen en stand
Bronnen per 25 oktober 2026. Modelkaart van BGE-M3.
