ANÚNCIO

~/questoes/agentes-de-ia

O que é MMR (Maximal Marginal Relevance) em um Retriever?

Responda, confira o feedback e use o resultado para orientar sua revisão.
Agentes de IA MMR Intermediario
Aula de referência Aula 16: Recuperadores no LangChain – Curso Completo para Iniciantes
Para fixar

MMR (Maximal Marginal Relevance) em Retrievers

Conceito central

MMR é uma estratégia de busca que não retorna apenas os documentos mais similares à sua pergunta, mas também garante que os resultados sejam variados e complementares entre si. Isso evita que o sistema devolva vários documentos muito parecidos, oferecendo uma visão mais completa do assunto.

Por que essa resposta faz sentido

A resposta correta reconhece que MMR faz um equilíbrio entre dois objetivos: trazer documentos relevantes (similares à sua query) e garantir diversidade (documentos diferentes entre si). Dessa forma você recebe respostas de ângulos variados, não apenas cópias do mesmo conteúdo.

Armadilhas comuns

  • Confundir MMR com busca por similaridade simples. Lembre-se: similaridade simples retorna os N documentos mais parecidos; MMR retorna documentos parecidos E variados entre si.
  • Pensar que MMR reduz documentos duplicados. Na verdade, MMR é útil mesmo quando não há duplicatas, pois evita redundância conceitual trazendo perspectivas diferentes.
  • Achar que MMR é apenas uma questão de performance ou velocidade. Na verdade, é uma questão de qualidade da resposta, trazendo respostas mais ricas e menos repetitivas.

Entenda as alternativas

A

Correta. MMR equilibra relevância e diversidade nos resultados. Não retorna só o documento mais parecido com sua pergunta, mas seleciona documentos que são relevantes E diferentes uns dos outros.

B

Incorreta. MMR não trabalha com o tamanho dos embeddings. Ele recebe embeddings já calculados e os utiliza para decidir qual resultado devolver. Reduzir embeddings é uma tarefa diferente, de otimização de armazenamento.

C

Incorreta. Remover duplicatas é uma tarefa de limpeza de dados, não o objetivo do MMR. O MMR não elimina documentos duplicados antes da busca; ele escolhe resultados variados durante a busca, mesmo que não haja duplicatas.

D

Incorreta. Retornar apenas o documento mais similar é o comportamento de busca por similaridade simples, não é MMR. O MMR sempre retorna múltiplos documentos com critérios de diversidade.

Dica prática: Na prática, use MMR quando quiser que um chatbot ou buscador retorne respostas que cobrem múltiplos aspectos de um tema. Por exemplo, se você buscar 'como usar Python', em vez de receber 5 artigos muito parecidos sobre o básico, receberá alguns sobre o básico, alguns sobre bibliotecas, alguns sobre boas práticas — tudo relevante, mas de ângulos diferentes.

Revise pensando: Se você tem 10 documentos muito similares ao tema 'machine learning' e pede para o retriever retornar 3 resultados usando MMR, o que você recebe: os 3 mais parecidos com sua pergunta, ou 3 que falam de aspectos diferentes de machine learning?