← Каталог

Как Bridgewater превратила 100 миллионов документов в конкурентное преимущество

How Bridgewater Turned 100 Million Documents Into an Edge - Sam Green & Aaron Linsky, Bridgewater

Поиск по корпусу в 100 млн документов работает на инвестиционных исследованиях, только если его проектируют отдельно для людей и для агентов.

  • Точность для людей, масштаб для агентов — людям нужен высокий сигнал к шуму, потому что они читают около 300 слов в минуту, а агенты потребляют текст примерно в сто раз быстрее и обрабатывают сотни запросов в секунду.
  • Бенчмарк до улучшений — команда за неделю собрала около 200 примеров с вручную найденными документами; precision@10 сначала был около 60%, а после серии улучшений, включая agentic search, по словам авторов, достиг 90–95%.
  • Фильтры по метаданным — post-filtering быстрый, но теряет релевантные документы, pre-filtering точный, но медленный; авторы перешли на turbopuffer с нативной фильтрацией, которая работает почти как post-filtering с полнотой pre-filtering.
  • Привычки раньше интерфейса — пользователи не заходили в Vault каждый день, пока подписки не стали сохранёнными поисками, а папки сохранёнными коллекциями; после этого доступ открыли в чате, мобильном приложении, Slack, IDE и CLI.

Кому полезно: тем, кто строит поиск по большому корпусу документов и для людей, и для агентов, и хочет понять, почему для них нужны разные настройки.

Статья по теме

Главы

Ещё доклады: Aaron Linsky

Страница спикера →

Похожие доклады