# Retrieval बेहतर बनाना: Filters, MMR, Reranking — LangChain / LlamaIndex

Source: https://www.geekswithgeeks.com/hi/langchain-llamaindex/r-quality

> जो prompt तक पहुँचता है उसे सुधारें।

## अच्छा अंदर, अच्छा बाहर

अधिकतर RAG विफलताएँ retrieval विफलताएँ हैं। LangChain और उसके integrations में उपलब्ध सुधार: tenant, तिथि या अनुमतियों से सीमित करने को **metadata filters**; लगभग-समान परिणामों में विविधता के लिए **MMR** (`search_type="mmr"`); जहाँ store समर्थन दे वहाँ keyword और vector scores जोड़ने वाला **hybrid search**; मॉडल से सवाल कई तरह दोबारा लिखवाने वाला **multi-query retrieval**; retrieved अंशों का क्रम बदलने या छाँटने वाले **contextual compression और rerankers**; और **parent-document** retriever जो छोटे chunks मिलाता है पर बड़े अनुभाग लौटाता है। हर बदलाव से पहले और बाद सच्चे सवालों के सेट (recall@k) से मापें।

## एक चीज़ बदलें, फिर मापें

Chunk आकार, k, embeddings और reranking आपस में प्रभाव डालते हैं। उन्हें उन्हीं सवालों पर एक-एक करके परखें।

**Quiz:** MMR retrieval में क्या जोड़ता है?

- [x] लगभग-duplicates घटाकर अधिक विविध परिणाम
- [ ] तेज़ GPUs
- [ ] मुफ़्त embeddings
- [ ] स्वचालित fine-tuning

*Answer:* लगभग-duplicates घटाकर अधिक विविध परिणाम. Maximal marginal relevance प्रासंगिकता को विविधता से संतुलित करता है।