M365.FM · עברית
למה Embeddings לא מספיקים: Hybrid RAG עם BM25, Reranker ומטמון סמנטי
בניתם מסד נתונים וקטורי, הוספתם את המסמכים והוצאתם את התקציב – ובכל זאת ה-Copilot שלכם ממשיך להזות. הסיבה כמעט אף פעם אינה המודל, אלא אסטרטגיית האחזור: Embeddings מחזירים את מה שדומה, לא את מה שנכון. הפרק מראה איך ארכיטקטורת RAG היברידית המשלבת BM25, חיפוש וקטורי ודירוג סמנטי מגיעה לדיוק שארגונים צריכים.
עקבו אחרי הפודקאסטפרקים חדשים על Microsoft 365, Copilot ועוד, בחינם באפליקציית הפודקאסטים שלכם.Spotify
▶ למה Embeddings לא מספיקים: Hybrid RAG עם BM25, Reranker ומטמון סמנטי (דיבוב AI)
מה תלמדו:
- מלכודת ה-Top-K: למה דמיון מתמטי אינו רלוונטיות עסקית, ולמה חיפוש וקטורי טהור נכשל בקודי מוצר, מק"טים ושמות פרויקטים פנימיים
- התקן ההיברידי: איך חיפוש מילות מפתח BM25 לצד חיפוש וקטורי משפר את שיעור האחזור ב-17% ומוצא גם ז'רגון מקצועי
- דירוג סמנטי עם ה-Reranker מסוג L2 ב-Azure AI Search: מודלי Cross-Attention שמבוססים על Bing מעבירים את התשובה הנכונה ממקום 8 למקום 1
- דיוק במחיר סביר: מטמון סמנטי מפחית את קריאות ה-LLM ב-60–80%, וה-Reranker מופעל רק בשאילתות מורכבות
- פער הממשל ומפת הדרכים ל-2026: RAG מבוסס סוכנים, GraphRAG וביקורת אחזור כצעד ראשון
הפרק הזה הוא גרסה עברית בדיבוב AI של הסרטון המונפש מתוך M365 Show של Microsoft MVP מירקו פטרס.