BENCHMARK · MESA 0.9.2
MESA 0.9.2 benchmark raporu
Yerleşik BGE yeniden sıralayıcıyla doğru pasaj, cevaplanabilir soruların %57,9’unda ilk sırada ve %74,4’ünde ilk beş sonuçtaydı. Sayı, tarih ve esas no soruları %48,3 Hit@5 ile en düşük başarıya sahip gruptu.
%74,4
Hit@5
Doğru pasaj ilk beş sonuçta
%57,9
Hit@1
Doğru pasaj ilk sırada
0,656
MRR
İlk doğru pasajın sırası
MESA 0.9.2 · BGE-M3 + yerleşik BGE yeniden sıralayıcı (T2)
Arama sonuçları
7 Kasım 2026 · 141 belge · 121 / 145 cevaplanabilir test sorusu
| Yapılandırma | Hit@5 | Hit@1 | MRR | Hit@10 | Doc@1 | Doc@5 | p50 | p95 | Donanım |
|---|---|---|---|---|---|---|---|---|---|
| Modelsiz (T0)20261107T141454Z | %39,7 | %22,3 | 0,300 | %46,3 | %44,6 | %57,9 | 0,45 sn | 0,94 sn | Colab A100 |
| Magibu gömme modeli (T1m)20261107T141454Z | %50,4 | %32,2 | 0,410 | %59,5 | %52,9 | %68,6 | 1,39 sn | 2,33 sn | Colab A100 |
| BGE-M3 gömme modeli (T1b)20261107T141454Z | %67,8 | %38,0 | 0,514 | %76,9 | %56,2 | %76,9 | 1,35 sn | 2,27 sn | Colab A100 |
| BGE-M3 + yerleşik BGE yeniden sıralayıcı (T2)20261107T141454Z | %74,4 | %57,9 | 0,656 | %81,0 | %69,4 | %79,3 | 1,98 sn | 2,98 sn | Colab A100 |
- Tüm yapılandırmalar Colab A100’de çalıştırıldı. T2, T1b ile aynı veri deposunu kullandığı için ayrı bir içe alma ölçümü yoktur.
Soru türüne göre sonuçlar
Soru türüne göre Hit@5. Koyu hücreler doğru pasajın daha sık bulunduğunu gösterir.
| Soru türü | Modelsiz (T0) | Magibu gömme modeli (T1m) | BGE-M3 gömme modeli (T1b) | BGE-M3 + yerleşik BGE yeniden sıralayıcı (T2) |
|---|---|---|---|---|
| Birebir ifade (36) | %75,0 | %77,8 | %86,1 | %97,2 |
| Farklı ifade (39) | %15,4 | %48,7 | %69,2 | %71,8 |
| Belgeler arası (17) | %35,3 | %23,5 | %58,8 | %76,5 |
| Sayı, tarih veya esas no (29) | %31,0 | %34,5 | %48,3 | %48,3 |
Atıf soruları
| Yapılandırma | Açık madde atfı (50) | Doğal ifade (40) |
|---|---|---|
| Modelsiz (T0) | %100,0 | %97,5 |
| Magibu gömme modeli (T1m) | %100,0 | %95,0 |
| BGE-M3 gömme modeli (T1b) | %100,0 | %97,5 |
| BGE-M3 + yerleşik BGE yeniden sıralayıcı (T2) | %100,0 | %100,0 |
Belgelerin aramaya hazır olma süresi
| Yapılandırma | Toplam süre | Parça | Donanım |
|---|---|---|---|
| Modelsiz (T0) | 15,8 dk | 5.041 | Colab A100 |
| Magibu gömme modeli (T1m) | 23,7 dk | 5.041 | Colab A100 |
| BGE-M3 gömme modeli (T1b) | 20,7 dk | 5.041 | Colab A100 |
Sonuçları indir
Rapor ve toplu metrikler (JSON) ↓Nasıl ölçtük?
Tier M derlemi 141 Türkçe kanun, yönetmelik ve mahkeme kararı içerir. Bir dil modeli derlemden sorular üretti. Ayrı bir model ve kural kontrolleri soruları denetledi. Ayarlar 101 geliştirme sorusuyla seçildi, ardından ayrılmış 145 soruyla test edildi. Arama puanları cevaplanabilir 121 soru üzerinden hesaplandı.
Ölçütler ne anlama geliyor?
- Hit@1 · Hit@5 · Hit@10
- Doğru pasajın ilk 1, 5 veya 10 sonuçta bulunduğu soruların oranı.
- MRR
- İlk doğru pasajın 1/sıra değerinin ortalaması. Puan 1 ise doğru pasaj her seferinde ilk sıradadır.
- Doc@1 · Doc@5
- Doğru belgenin ilk 1 veya 5 sonuçta bulunduğu soruların oranı.
- p50 · p95
- Sorguların yarısı p50, %95’i p95 süresi içinde tamamlandı. İkisi de saniye cinsinden ölçülür.
Kapsam ve sınırlar
Test, MESA’nın doğru pasajı veya belgeyi bulup bulmadığını ölçer. Derlemde yanıtı bulunmayan 24 soru arama puanlarına dahil değildir. Derlem küçüktür ve kararlar Yargıtay kaynaklıdır. Sorular yapay olarak üretilmiştir.
