M365Con 2027 – konferensi online gratis · 11–22 Jan 2027 · 120 sessions→ m365con.net
M365.FM · Bahasa Indonesia

Mengapa embeddings saja tidak cukup

Hybrid RAG dengan BM25, reranker, dan semantic caching

Anda sudah membangun database vektor, mengindeks dokumen, dan menghabiskan anggaran – tetapi Copilot Anda tetap berhalusinasi. Penyebabnya jarang modelnya, melainkan strategi pengambilan data: embeddings mengembalikan yang mirip, bukan yang benar. Episode ini menunjukkan bagaimana arsitektur RAG hibrida dengan BM25, pencarian vektor, dan reranking semantik mencapai presisi yang dibutuhkan perusahaan.

Ikuti podcastEpisode baru tentang Microsoft 365, Copilot, dan lainnya, gratis di aplikasi podcast Anda.Spotify

▶ Mengapa embeddings saja tidak cukup: Hybrid RAG dengan BM25, reranker, dan semantic caching (Sulih Suara AI)

Yang akan Anda pelajari:

  1. Jebakan top-K: mengapa kemiripan matematis bukan relevansi bisnis, dan mengapa pencarian vektor murni gagal pada kode produk, SKU, dan nama proyek internal
  2. Standar hibrida: bagaimana pencarian kata kunci BM25 bersama pencarian vektor meningkatkan recall sebesar 17% dan tetap menemukan istilah khusus
  3. Peringkat semantik dengan reranker L2 di Azure AI Search: model cross-attention turunan Bing memindahkan jawaban yang benar dari posisi 8 ke posisi 1
  4. Presisi yang terjangkau: semantic caching memangkas panggilan LLM 60–80%, dan reranker hanya diaktifkan untuk kueri yang kompleks
  5. Kesenjangan tata kelola dan peta jalan 2026: RAG berbasis agen, GraphRAG, dan audit retrieval sebagai langkah pertama

Episode ini adalah versi Bahasa Indonesia dengan sulih suara AI dari video animasi M365 Show oleh Microsoft MVP Mirko Peters.

Episode lainnya

Semua episode →