Si un RAG falla, revisa antes tres puntos que el tamaño de los chunks: el caso de las tablas de PDF rotas
Un sistema RAG respondió que la cuota de administración de un edificio era 11.500 yen, con su fuente citada, pero en el PDF original es 13.000 yen; el 11.500 aparece en la misma tabla, pero en la columna de fondo de reparaciones. El autor atribuye el error a que la tabla se fragmentó al procesar el PDF. Cambiar el tamaño de chunk, el solapamiento, el modelo de embeddings o el modelo generador apenas mejoró los resultados, y el modelo más potente solo hizo el error más convincente. Lo que le ayudó fue volcar a archivos cada etapa del pipeline para inspeccionarla.
Qué significa
Si tu RAG sobre PDFs con tablas da respuestas plausibles pero incorrectas, conviene revisar primero cómo se extrajo la tabla antes de cambiar el tamaño de chunk o el modelo.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- 生成AIタグが付けられた新着記事 - QiitaLeer la noticia completa en 生成AIタグが付けられた新着記事 - Qiita