باختصار
الاستدعاء عند k (Recall@k) يسأل: من كل العناصر الجيدة في القائمة، كم واحدًا لحق أن يظهر في أوّل k موضع؟
بالتفصيل
المعادلة بحسب مسرد Google:
Recall@k = (العناصر ذات الصلة في أوّل k) / (كل العناصر ذات الصلة في القائمة)
والفرق بينه وبين أخيه Precision@k:
- Precision@k يقسم على k: هل كانت أوّل النتائج جيدة؟
- Recall@k يقسم على كل العناصر الجيدة: هل ظهرت الجيدة مبكرًا؟
وفي أنظمة RAG هذا سؤال حياة أو موت للإجابة: إذا لم يكن المستند الذي يحوي الجواب ضمن أوّل k مستند، فلن يراه النموذج أصلًا، وسيجيب بثقة عن شيء لم يقرأه.
مثال عملي
مثال من المسرد: قائمة من 10 أفلام مضحكة، ثمانية منها مضحكة فعلًا، فالمقام دائمًا 8.
- أوّل 4 أفلام فيها 3 مضحكة: Recall@4 = 3 ÷ 8 = 0.375.
- أوّل 8 أفلام فيها 7 مضحكة: Recall@8 = 7 ÷ 8 = 0.875.
لاحظ أن Recall@k لا ينقص أبدًا حين تكبر k. فكلّما نظرت أبعد، وجدت أكثر. والسؤال الحقيقي: كم تستطيع أن تنظر؟
مصطلحات مرتبطة
- Precision@k — الضبط عند k.
- Recall — الاستدعاء.
- mAP@k — متوسّط الدقّة المتوسّطة.
- Semantic Search — البحث الدلالي.
المصادر: Google ML Glossary
