BENCHMARK · MESA 0.9.3

MESA 0.9.3 benchmark raporu

Aynı arama kalitesi, daha hızlı içe alma: yerleşik yeniden sıralayıcıyla 0.9.2 ve 0.9.3, gösterilen hassasiyette Hit@5 %74,4 ve MRR 0,656 değerlerine ulaşıyor.

%74,4

Hit@5

Doğru pasaj ilk beş sonuçta

%57,9

Hit@1

Doğru pasaj ilk sırada

0,656

MRR

İlk doğru pasajın sırası

%100,0

Atıf Hit@5

Açık madde atfı soruları

MESA 0.9.3 · BGE-M3 + yerleşik BGE yeniden sıralayıcı (T2)

Arama sonuçları

18 Kasım 2026 · 141 belge · 121 / 145 cevaplanabilir test sorusu

Yerleşik yapılandırmalar
YapılandırmaHit@5Hit@1MRRHit@10Doc@1Doc@5p50p95Donanım
Modelsiz (T0)20261117T230132Z_v093%38,0%22,30,297%47,9%43,8%57,90,45 sn0,94 snColab A100-SXM4-80GB
BGE-M3 gömme modeli (T1b)20261117T230132Z_v093%67,8%38,80,522%77,7%57,9%77,71,37 sn2,36 snColab A100-SXM4-80GB

Soru türüne göre sonuçlar

Soru türüne göre Hit@5. Koyu hücreler doğru pasajın daha sık bulunduğunu gösterir.

Doğru pasaj ilk beş sonuçta
Soru türüModelsiz (T0)BGE-M3 gömme modeli (T1b)BGE-M3 + yerleşik BGE yeniden sıralayıcı (T2)
Birebir ifade (36) %69,4%88,9%97,2
Farklı ifade (39) %18,0%69,2%71,8
Belgeler arası (17) %35,3%52,9%76,5
Sayı, tarih veya esas no (29) %27,6%48,3%48,3

Atıf soruları

0.9.3, 0.9.2 sonucunu koruyor: açık madde atfında Hit@5, T0, T1b ve T2 için %100,0 (50/50). Doğal ifadede T0 ve T1b için %97,5 (39/40), T2 için %100,0 (40/40).

Atıf sorularında Hit@5
YapılandırmaAçık madde atfı (50)Doğal ifade (40)
Modelsiz (T0)%100,0%97,5
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

Derlemin tamamının içe alınması
YapılandırmaToplam süreParçaParça başına saniyeDonanım
Modelsiz (T0)7,4 dk5.0410,09 snColab A100-SXM4-80GB
BGE-M3 gömme modeli (T1b)12,0 dk5.0410,14 snColab A100-SXM4-80GB

0.9.3, içe alma işlerini toplu yürütür; arama kalitesi değişmedi.

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.

Sayı, tarih ve esas no sorularında T2 sonucu 0.9.3’te değişmedi: 14/29 = %48,3 Hit@5. Benchmark 50 sonuç ister. 10 sonuç istendiğinde yeniden sıralayıcı 20 aday görür; geliştirme kümesinde Hit@5, %77,7 yerine %75,3 oldu. Bu karşılaştırmada hem aday sayısı hem döndürülen sonuç sayısı değişir.

0.9.3 koşusu: 18 Kasım 2026 · mesa-memory 0.9.3 · 20261117T230132Z_v093.