1. Wiedza
  2. Metryki
  3. Factual density w RAG (gęstość faktów)

Artykuł pomocniczy · metryka · Metryki · Metryki i KPI

Factual density w RAG (gęstość faktów)

także: factual density metric · Expert Blindness Effect · Factual Density in RAG · factual density · gęstość faktograficzna

Miara tego, ile weryfikowalnych faktów (liczb, dat, definicji, źródeł) przypada na jednostkę tekstu — istotna dla jakości chunków w systemach RAG i cytowań AI.

Plaster miodu z gęsto ułożonymi komórkami, jedna rubinowa – metafora factual density w RAG, gęstości faktów w treści.

Jak podnosić

Zamień ogólniki na konkret: dane, metody, ograniczenia, cytowane źródła. Wysoka factual density ułatwia retrieval i zmniejsza ryzyko „pustej” syntezy.

Rozszerzona definicja

Jeden z proponowanych wariantów tej miary, oznaczany jako FD*, definiowany jest jako proporcja zweryfikowanych atomowych twierdzeń (verified atomic claims) względem całkowitej liczby tokenów w dokumencie1.

Drugi wariant, FD_raw, obliczany jest jako suma probabilistycznych ocen faktyczności (factuality) dla wszystkich atomowych twierdzeń w dokumencie, podzielona przez liczbę tokenów2.

Jak to działa

RAG — opisywany przez Google również jako grounding — to technika, w której systemy wyszukiwawcze pobierają trafne, aktualne strony z indeksu, a następnie analizują konkretne informacje z tych stron, aby wygenerować bardziej wiarygodną odpowiedź z klikalnymi linkami wspierającymi treść3.

W przypadku FD_raw obliczenie wymaga rozbicia tekstu na atomowe twierdzenia, a następnie przypisania każdemu z nich probabilistycznej oceny faktyczności — wynik końcowy to suma tych ocen podzielona przez liczbę tokenów dokumentu2.

Dlaczego to ważne

FD* jest wprowadzany jako nowy sygnał optymalizacji retrieval, co wskazuje na lukę w dotychczasowych metodach oceny jakości pobieranych fragmentów1.

Jak mierzyć

FD_raw dla dokumentu d oblicza się według wzoru: FD_raw(d) = [suma P_fact(s) dla wszystkich s w C(d)] / T(d), gdzie P_fact(s) to probabilistyczna ocena faktyczności atomowego twierdzenia s, a T(d) to liczba tokenów dokumentu2.

FD* mierzy proporcję zweryfikowanych atomowych twierdzeń względem całkowitej liczby tokenów w dokumencie1.

Przykłady

  • Microsoft Advertising wskazuje, że terminy takie jak „innovative” czy „eco” bez podania mierzalnych faktów niewiele znaczą i zaleca opieranie twierdzeń na mierzalnych danych4.
  • Google opisuje RAG (grounding) jako technikę, w której systemy analizują konkretne informacje z pobranych stron, aby wygenerować bardziej wiarygodną odpowiedź z widocznymi, klikalnymi linkami3.

Częste błędy i mity

  • Błąd: stosowanie ogólnikowych określeń zamiast mierzalnych danych — jak zauważa Microsoft Advertising, terminy takie jak „innovative” lub „eco” bez konkretów niewiele znaczą, a twierdzenia powinny być zakotwiczone w mierzalnych faktach4.

Powiązane hasła

Źródła i odwołania

  1. [2605.31506] Evaluating Factual Density in Multi-Source RAG: A Study in Medical AI Accuracy

    arxiv.org ·

    To address this gap, this paper introduces Factual Density (FD*), a novel retrieval optimization signal that measures the proportion of verified atomic claims relative to total token count.

  2. Evaluating Factual Density in Multi-Source RAG NexusAgentics Research

    arxiv.org ·

    The raw Factual Density score for a document d is defined as: FD_raw(d)=[sum of P_fact(s)for all s in C(d)]/T(d)

  3. Optimizing your website for generative AI features on Google Search

    developers.google.com ·

    Retrieval-augmented generation (RAG): A technique (also known as grounding) used to improve the quality, accuracy, and freshness of AI responses by relying on our core Search ranking systems to retrieve relevant, up-to-date web pages from our Search index. Our systems then review the specific information from those retrieved pages to generate a more reliable and helpful response, showing prominent, clickable links to relevant web pages that support the information in the response.

  4. Optimizing Your Content for Inclusion in AI Search Answers

    about.ads.microsoft.com ·

    Avoid vague language. Terms like innovative or eco mean little without specifics. Instead, anchor claims in measurable facts.

Każde zdanie powyżej odsyła do dosłownego cytatu ze źródła. Daty to daty publikacji lub pobrania źródła.

Źródła faktów

  • Traditional RAG retrieval methods rank content by query similarity but do not measure how many verified facts the content actually contains.
  • This structural gap is termed the Expert Blindness Effect, causing standard RAG pipelines to consistently bury high-density factual evidence in favor of lexically similar content.
  • SEO/references/geo/REFS-GEO-R11-Chunk-Structure-Retrievability.md