Pega la consulta del usuario como Query y luego pega el pasaje que esperabas junto con los que realmente volvieron, como candidatos. El ranking muestra si el modelo realmente puntúa tu pasaje por debajo de los demás, cuánta distancia hay y si solo se quedó fuera por poco del top-k. Si aquí queda alto pero en producción sigue sin recuperarse, el problema está en otra parte de la canalización: el troceado, los filtros o un modelo de embeddings distinto.

Es una medida de lo cerca que están dos textos en significado, independientemente de las palabras que usen. Un modelo de embeddings asigna a cada texto un vector de modo que los textos sobre lo mismo queden cerca; la puntuación es el coseno del ángulo entre esos vectores. Por eso “my laptop will not turn on” y “the computer fails to boot” pueden puntuar alto sin compartir palabras, y por eso es la medida por la que realmente ordenan la búsqueda semántica y las canalizaciones RAG.

Las puntuaciones van de 0 a 1: más alto significa más cercano en significado. Pero no hay un umbral universal: 0.7 puede ser una coincidencia fuerte con un modelo y mediocre con otro, porque los valores absolutos cambian con el modelo y el tipo de texto. Lo que se mantiene entre modelos es la comparación: qué candidato queda primero y cuánta distancia hay con el siguiente. Por eso las canalizaciones toman el top-k por ranking en lugar de todo lo que supere una puntuación fija, y por eso esta herramienta destaca el ranking antes que los números.

La búsqueda por palabras clave premia las palabras compartidas; la similitud semántica premia el significado compartido. Coinciden la mayoría de las veces, y los fallos interesantes viven donde no. Un pasaje lleno de las palabras de tu consulta que habla de otra cosa es un falso positivo de palabras clave; una paráfrasis sin palabras comunes es un punto ciego de palabras clave. Las dos barras de cada fila ponen ambos veredictos lado a lado y las marcas señalan exactamente esos dos desacuerdos. Los sistemas de producción suelen combinar ambas señales (búsqueda híbrida) precisamente porque cada una falla de forma distinta.

Los modelos de embeddings se entrenan con enormes cantidades de pares de texto marcados como relacionados: preguntas con sus respuestas, paráfrasis, títulos con sus artículos. El entrenamiento acerca los vectores de los pares relacionados y aleja los no relacionados; con suficientes ejemplos, la propia geometría codifica el significado: dirección y distancia reflejan lo que tiende a coocurrir como el mismo tema. El modelo no tiene un diccionario de sinónimos: la cercanía es un resultado estadístico del entrenamiento, y por eso modelos distintos dibujan mapas ligeramente distintos y puntúan diferente el mismo par.

Puntúa una consulta frente a un máximo de 12 pasajes candidatos, con dos escenarios de demostración y un modo de modelo real. Las puntuaciones de la demo provienen de vectores construidos para la guía, claramente etiquetados, y el solapamiento, el ranking y el veredicto ejecutan el código real. El modo real descarga al navegador un pequeño modelo de embeddings en inglés (unos 23 MB); las puntuaciones en otros idiomas no son fiables y la herramienta lo indica. El solapamiento es una aproximación deliberadamente simple a la vista de palabras clave, no BM25. No trocea documentos, no llama a ninguna API de embeddings ni reproduce las puntuaciones exactas de tu modelo de producción: muestra el mecanismo por el que esos sistemas ordenan.