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 puntua tu pasaje por debajo de los demas, cuanta distancia hay y si solo se quedo fuera por poco del top-k. Si aqui queda alto pero en produccion sigue sin recuperarse, el problema esta en otra parte de la canalizacion: el troceado, los filtros o un modelo de embeddings distinto.

Es una medida de lo cerca que estan 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 puntuacion es el coseno del angulo 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 busqueda semantica y las canalizaciones RAG.

Las puntuaciones van de 0 a 1: mas alto significa mas 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 comparacion: que candidato queda primero y cuanta distancia hay con el siguiente. Por eso las canalizaciones toman el top-k por ranking en lugar de todo lo que supere una puntuacion fija, y por eso esta herramienta destaca el ranking antes que los numeros.

La busqueda por palabras clave premia las palabras compartidas; la similitud semantica premia el significado compartido. Coinciden la mayoria 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 parafrasis 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 senalan exactamente esos dos desacuerdos. Los sistemas de produccion suelen combinar ambas senales (busqueda hibrida) 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, parafrasis, titulos con sus articulos. El entrenamiento acerca los vectores de los pares relacionados y aleja los no relacionados; con suficientes ejemplos, la propia geometria codifica el significado: direccion y distancia reflejan lo que tiende a coocurrir como el mismo tema. El modelo no tiene un diccionario de sinonimos: la cercania es un resultado estadistico del entrenamiento, y por eso modelos distintos dibujan mapas ligeramente distintos y puntuan diferente el mismo par.

Puntua una consulta frente a un maximo de 12 pasajes candidatos, con dos escenarios de demostracion y un modo de modelo real. Las puntuaciones de la demo provienen de vectores construidos para la guia, claramente etiquetados, y el solapamiento, el ranking y el veredicto ejecutan el codigo real. El modo real descarga al navegador un pequeno modelo de embeddings en ingles (unos 23 MB); las puntuaciones en otros idiomas no son fiables y la herramienta lo indica. El solapamiento es una aproximacion 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 produccion: muestra el mecanismo por el que esos sistemas ordenan.