https://paweldubiel.com A public digital garden about AI, software engineering, books, and learning. de Wed, 07 Oct 2026 00:00:00 GMT https://paweldubiel.com/de/notes/42gq%E2%81%9D%20Sequence%20Packing https://paweldubiel.com/de/notes/42gq%E2%81%9D%20Sequence%20Packing Wed, 07 Oct 2026 00:00:00 GMT Du trainierst ein Modell, kurze Antworten an Kunden zu schreiben: „Vielen Dank“, „Nein“ und „Ja“. Nach der Aufteilung in Textstücke, also Tokens, haben die Beispiele hier vereinfachend 3, 2 und 2 Positionen, einschließli https://paweldubiel.com/de/notes/42gk%E2%81%9D%20Reinforcement%20Learning https://paweldubiel.com/de/notes/42gk%E2%81%9D%20Reinforcement%20Learning Mon, 05 Oct 2026 00:00:00 GMT Du möchtest einem Programm beibringen, ein kleines Spiel zu gewinnen. An einer Weggabelung kann es Weg A wählen, sofort zwei Münzen sammeln und die zweite Runde ohne neue Münzen beenden. Weg B gibt in der ersten Runde ni https://paweldubiel.com/de/notes/42eo%E2%81%9D%20Przewidywanie%20wynik%C3%B3w%20polece%C5%84%20pomaga%20w%20p%C3%B3%C5%BAniejszym%20treningu%20agenta https://paweldubiel.com/de/notes/42eo%E2%81%9D%20Przewidywanie%20wynik%C3%B3w%20polece%C5%84%20pomaga%20w%20p%C3%B3%C5%BAniejszym%20treningu%20agenta Sun, 20 Sep 2026 00:00:00 GMT Ein Agent, der im Terminal arbeitet, versucht, ein Programm auszuführen. Er sendet einen Befehl, liest eine Fehlermeldung und wählt die nächste Aktion. Dabei muss er die Ausgabe mit dem vorherigen Befehl verknüpfen: erke https://paweldubiel.com/de/notes/42eo1%E2%81%9D%20Loss%20masking https://paweldubiel.com/de/notes/42eo1%E2%81%9D%20Loss%20masking Sun, 20 Sep 2026 00:00:00 GMT Du trainierst einen Agenten anhand von Aufzeichnungen seiner Gespräche mit Werkzeugen. Die Aufzeichnung enthält seine Befehle und die Antworten der Werkzeuge. Du möchtest ihn für ausgewählte Abschnitte bewerten, ihm aber https://paweldubiel.com/de/notes/42eo2%E2%81%9D%20pass%40k https://paweldubiel.com/de/notes/42eo2%E2%81%9D%20pass%40k Sun, 20 Sep 2026 00:00:00 GMT Ein Modell hat zehn Programme erstellt, von denen eines die Tests bestanden hat. Bedeutet das eine hohe Erfolgsquote für eine einzelne Antwort? Du musst „beim ersten Versuch gelungen“ von „unter vielen Versuchen einen Er https://paweldubiel.com/de/notes/42el%E2%81%9D%20Continuous%20Batching https://paweldubiel.com/de/notes/42el%E2%81%9D%20Continuous%20Batching Sun, 20 Sep 2026 00:00:00 GMT Ein Server erzeugt zwei Antworten gleichzeitig. Eine endet schnell, die andere ist lang. Wenn der nächste Nutzer warten muss, bis das gesamte Paar fertig ist, bleibt der frei gewordene Platz viele Schritte lang ungenutzt https://paweldubiel.com/de/notes/42ek%E2%81%9D%20PagedAttention https://paweldubiel.com/de/notes/42ek%E2%81%9D%20PagedAttention Sun, 20 Sep 2026 00:00:00 GMT Ein Server bearbeitet Gespräche unterschiedlicher Länge. Wenn er für jedes im Voraus einen großen zusammenhängenden Speicherbereich für die gesamte künftige Antwort reserviert, bleibt ein Teil des Platzes ungenutzt. Du m https://paweldubiel.com/de/notes/42em%E2%81%9D%20Prefix%20Caching https://paweldubiel.com/de/notes/42em%E2%81%9D%20Prefix%20Caching Sun, 20 Sep 2026 00:00:00 GMT Du stellst fünf Fragen zum selben langen Dokument. Jede Eingabe beginnt mit derselben Anweisung und dem Dokumenttext; erst am Ende steht die neue Frage. Den gleichen Anfang erneut zu berechnen würde Arbeit wiederholen. P https://paweldubiel.com/de/notes/42en%E2%81%9D%20Time%20to%20First%20Token https://paweldubiel.com/de/notes/42en%E2%81%9D%20Time%20to%20First%20Token Sun, 20 Sep 2026 00:00:00 GMT Du klickst auf „Senden“ und schaust auf einen leeren Chat. Für den Nutzerkomfort ist entscheidend, wann der Anfang der Antwort erscheint, auch wenn die gesamte Antwort deutlich länger braucht. Du benötigst eine Messung d https://paweldubiel.com/de/notes/42eg%E2%81%9D%20Decode https://paweldubiel.com/de/notes/42eg%E2%81%9D%20Decode Fri, 18 Sep 2026 00:00:00 GMT Das erste Fragment der Antwort ist bereits erschienen. Das nächste muss berücksichtigen, was gerade geschrieben wurde: Nach „Heute trinke ich Tee“ hat das Modell einen anderen Kontext als nach „Heute trinke ich Wasser“. https://paweldubiel.com/de/notes/42eh%E2%81%9D%20FlashAttention https://paweldubiel.com/de/notes/42eh%E2%81%9D%20FlashAttention Fri, 18 Sep 2026 00:00:00 GMT Attention vergleicht viele Paare von Textfragmenten. Wenn alle Zwischenergebnisse in den großen Speicher der Rechenkarte geschrieben werden, kann die Datenübertragung teuer werden. Du möchtest dieselbe Berechnung ausführ https://paweldubiel.com/de/notes/42ef%E2%81%9D%20Prefill https://paweldubiel.com/de/notes/42ef%E2%81%9D%20Prefill Fri, 18 Sep 2026 00:00:00 GMT Du sendest eine lange Frage an den Chat und wartest auf das erste Wort. Bevor das Modell eine Antwort hinzufügt, muss es den bereits erhaltenen Inhalt verarbeiten. Diese anfängliche Phase kann viel Arbeit erfordern, beso https://paweldubiel.com/de/notes/42ei%E2%81%9D%20Speculative%20Decoding https://paweldubiel.com/de/notes/42ei%E2%81%9D%20Speculative%20Decoding Fri, 18 Sep 2026 00:00:00 GMT Ein großes Modell erzeugt korrekten Text, ist aber langsam. Ein kleineres Modell kann schnell mehrere weitere Stücke vorschlagen. Du möchtest seine Arbeit nutzen und dabei die Kontrolle des großen Modells über das endgül https://paweldubiel.com/de/notes/42eb%E2%81%9D%20Beam%20Search https://paweldubiel.com/de/notes/42eb%E2%81%9D%20Beam%20Search Fri, 18 Sep 2026 00:00:00 GMT Bei der Auswahl des ersten Antwortfragments kannst du einen Weg zu früh verwerfen, der sich später als besser erwiesen hätte. Alle möglichen Folgen zu prüfen ist jedoch zu teuer. Du brauchst eine begrenzte Menge an Alter https://paweldubiel.com/de/notes/42ea%E2%81%9D%20Greedy%20Decoding https://paweldubiel.com/de/notes/42ea%E2%81%9D%20Greedy%20Decoding Fri, 18 Sep 2026 00:00:00 GMT Das Modell kann mehrere unterschiedliche Fragmente hinzufügen. Die einfachste Wahl besteht darin, immer das mit der höchsten Wahrscheinlichkeit zu nehmen. Das erspart die Betrachtung von Alternativen, aber führt der best https://paweldubiel.com/de/notes/42ed%E2%81%9D%20Grouped-Query%20Attention https://paweldubiel.com/de/notes/42ed%E2%81%9D%20Grouped-Query%20Attention Fri, 18 Sep 2026 00:00:00 GMT Das Modell liest früheren Text auf mehrere Arten parallel. Jede solche Berechnung ist ein Attention Kopf, also ein Aufmerksamkeitskopf. Du möchtest den Speicherbedarf dieser Köpfe verringern, aber die vollständige gemein https://paweldubiel.com/de/notes/42ec%E2%81%9D%20Multi-Query%20Attention https://paweldubiel.com/de/notes/42ec%E2%81%9D%20Multi-Query%20Attention Fri, 18 Sep 2026 00:00:00 GMT Das Modell verbindet das aktuelle Textfragment über mehrere parallele Berechnungen mit dem früheren Gespräch. Solche Berechnungen heißen Attention Köpfe, also Aufmerksamkeitsköpfe. Wenn jeder Kopf seine eigenen Beschreib https://paweldubiel.com/de/notes/42ee%E2%81%9D%20Rotary%20Position%20Embedding https://paweldubiel.com/de/notes/42ee%E2%81%9D%20Rotary%20Position%20Embedding Fri, 18 Sep 2026 00:00:00 GMT Das Modell vergleicht Textfragmente, muss aber auch wissen, wie weit sie voneinander entfernt liegen. „Gestern“ neben einem Verb kann eine andere Rolle spielen als dasselbe Wort in einem entfernten Zitat. Wie lässt sich https://paweldubiel.com/de/notes/42dw%E2%81%9D%20KL%20Divergence https://paweldubiel.com/de/notes/42dw%E2%81%9D%20KL%20Divergence Wed, 16 Sep 2026 00:00:00 GMT Zwei Modelle verteilen die Wahrscheinlichkeiten unterschiedlich auf dieselben Antworten. Eines setzt 90% auf A und 10% auf B, das andere gibt beiden 50% . Du möchtest messen, wie gut das zweite die Vorhersagen des ersten https://paweldubiel.com/de/notes/42dy%E2%81%9D%20KV%20Cache https://paweldubiel.com/de/notes/42dy%E2%81%9D%20KV%20Cache Wed, 16 Sep 2026 00:00:00 GMT Das Modell ergänzt die Antwort Stück für Stück. Viele Informationen über den früheren Text hat es bereits berechnet; sie in jedem Schritt von Grund auf neu zu berechnen würde Arbeit wiederholen. Du möchtest die weiterhin https://paweldubiel.com/de/notes/42du%E2%81%9D%20Top-k%20Sampling https://paweldubiel.com/de/notes/42du%E2%81%9D%20Top-k%20Sampling Wed, 16 Sep 2026 00:00:00 GMT Bei der zufälligen Auswahl des nächsten Fragments lässt das Modell viele sehr unwahrscheinliche Möglichkeiten zu. Du möchtest etwas Vielfalt behalten, aber den fernen Rand der Kandidaten entfernen. Du kannst nur eine fes https://paweldubiel.com/de/notes/42dv%E2%81%9D%20Top-p%20Sampling https://paweldubiel.com/de/notes/42dv%E2%81%9D%20Top-p%20Sampling Wed, 16 Sep 2026 00:00:00 GMT Manchmal hat das Modell einen klaren Spitzenreiter, manchmal viele ähnlich bewertete Fortsetzungen. Stets fünf Kandidaten zuzulassen berücksichtigt diesen Unterschied nicht. Du möchtest die Gruppengröße danach wählen, wo https://paweldubiel.com/de/notes/42dx%E2%81%9D%20Knowledge%20Distillation https://paweldubiel.com/de/notes/42dx%E2%81%9D%20Knowledge%20Distillation Wed, 16 Sep 2026 00:00:00 GMT Ein großes Modell löst die Aufgabe gut, ist aber für den täglichen Einsatz zu teuer. Ein kleineres Modell könnte versuchen, sein Verhalten nachzubilden. Es braucht jedoch Beispiele oder Bewertungen, die mehr zeigen als n https://paweldubiel.com/de/notes/42do%E2%81%9D%20Cross-entropy https://paweldubiel.com/de/notes/42do%E2%81%9D%20Cross-entropy Tue, 15 Sep 2026 00:00:00 GMT Zwei Modelle nennen dasselbe Wort als beste Fortsetzung, aber das erste gibt ihm 80% Wahrscheinlichkeit, das zweite nur 20% . Den Gewinner allein zu prüfen übersieht diesen Unterschied. Beim Lernen brauchen wir eine Bewe https://paweldubiel.com/de/notes/42ds%E2%81%9D%20LoRA https://paweldubiel.com/de/notes/42ds%E2%81%9D%20LoRA Tue, 15 Sep 2026 00:00:00 GMT Du hast ein großes Modell und möchtest es an den Stil deiner Dokumente anpassen. Alle seine Gewichte zu trainieren — Zahlen, die die Berechnungen steuern — erfordert viel Speicher. Lässt sich nur eine kleinere Korrektur https://paweldubiel.com/de/notes/42dq%E2%81%9D%20Masked%20Language%20Modeling https://paweldubiel.com/de/notes/42dq%E2%81%9D%20Masked%20Language%20Modeling Tue, 15 Sep 2026 00:00:00 GMT Du möchtest ein Modell trainieren, das gesamte Satzumfeld zu nutzen. Du verdeckst ein Fragment in „Ala hat MASK “ oder „Ala MASK eine Katze“ und bittest um die Wiederherstellung des Originals. Informationen auf beiden Se https://paweldubiel.com/de/notes/42dp%E2%81%9D%20Perplexity https://paweldubiel.com/de/notes/42dp%E2%81%9D%20Perplexity Tue, 15 Sep 2026 00:00:00 GMT Du vergleichst zwei Modelle anhand desselben Textes. Du möchtest wissen, welches seine aufeinanderfolgenden Fragmente besser vorhersagt, und nicht nur, welches mehr einzelne Gewinner erraten hat. Du brauchst eine Zahl, d https://paweldubiel.com/de/notes/42dr%E2%81%9D%20Temperature https://paweldubiel.com/de/notes/42dr%E2%81%9D%20Temperature Tue, 15 Sep 2026 00:00:00 GMT Das Modell wählt gewöhnlich ähnliche Fortsetzungen, und du möchtest die Vielfalt der Zufallsauswahl steuern. Du veränderst weder sein Wissen noch seine Gewichte. Du veränderst nur, wie stark der Vorsprung der höchstbewer https://paweldubiel.com/de/notes/42dj%E2%81%9D%20Autoregressive%20Language%20Modeling https://paweldubiel.com/de/notes/42dj%E2%81%9D%20Autoregressive%20Language%20Modeling Mon, 14 Sep 2026 00:00:00 GMT Du beginnst den Satz „Heute trinke ich …“. Nach dem Ergänzen von „Tee“ unterscheiden sich die Möglichkeiten der Fortsetzung von denen nach „Wasser“. Das Modell muss den bereits gewählten Text bei jedem weiteren Schritt b https://paweldubiel.com/de/notes/42dl%E2%81%9D%20Byte%20Pair%20Encoding https://paweldubiel.com/de/notes/42dl%E2%81%9D%20Byte%20Pair%20Encoding Mon, 14 Sep 2026 00:00:00 GMT Ein Wörterbuch mit jedem möglichen Wort wäre riesig, und dennoch würden ständig neue Namen fehlen. Ein Wörterbuch nur mit Zeichen ist klein, verwandelt den Text aber in eine sehr lange Folge. Du brauchst einen Kompromiss https://paweldubiel.com/de/notes/42dn%E2%81%9D%20Fine-tuning https://paweldubiel.com/de/notes/42dn%E2%81%9D%20Fine-tuning Mon, 14 Sep 2026 00:00:00 GMT Ein trainiertes Modell kann Sprache verarbeiten, aber du möchtest, dass es Unternehmensnachrichten als „Rückgabe“, „Lieferung“ oder „Zahlung“ klassifiziert. Die allgemeine Fähigkeit ergibt noch nicht die erwartete Arbeit https://paweldubiel.com/de/notes/42dm%E2%81%9D%20Pre-training https://paweldubiel.com/de/notes/42dm%E2%81%9D%20Pre-training Mon, 14 Sep 2026 00:00:00 GMT Du möchtest, dass ein Modell Zusammenhänge in der Sprache erkennt, bevor du es an eine konkrete Arbeit anpasst, etwa das Klassifizieren von Kundennachrichten. Antworten für den gesamten Text von Hand vorzubereiten wäre n https://paweldubiel.com/de/notes/42dk%E2%81%9D%20Softmax https://paweldubiel.com/de/notes/42dk%E2%81%9D%20Softmax Mon, 14 Sep 2026 00:00:00 GMT Das Modell hat drei mögliche Satzfortsetzungen mit den Zahlen 2 , 1 und 0 bewertet. Du möchtest die Antwort nach ihren Wahrscheinlichkeiten ziehen. Rohe Bewertungen sind keine Wahrscheinlichkeiten: Sie können negativ sei https://paweldubiel.com/de/notes/42dd%E2%81%9D%20Cross-attention https://paweldubiel.com/de/notes/42dd%E2%81%9D%20Cross-attention Mon, 14 Sep 2026 00:00:00 GMT Beim Übersetzen hat das Modell zwei unterschiedliche Texte: das Original und die erst entstehende Antwort. Wenn es das nächste Wort der Übersetzung ergänzt, braucht es Informationen aus dem Original. Allein das Mischen d https://paweldubiel.com/de/notes/42dc%E2%81%9D%20Causal%20Masking https://paweldubiel.com/de/notes/42dc%E2%81%9D%20Causal%20Masking Mon, 14 Sep 2026 00:00:00 GMT Du trainierst ein Modell, „eine Katze“ nach „Ala hat“ hinzuzufügen. Im fertigen Beispiel existiert „eine Katze“ bereits. Könnte das Modell bei der Vorhersage darauf zugreifen, wäre die Aufgabe scheinbar leicht, würde abe https://paweldubiel.com/de/notes/42df%E2%81%9D%20Layer%20Normalization https://paweldubiel.com/de/notes/42df%E2%81%9D%20Layer%20Normalization Mon, 14 Sep 2026 00:00:00 GMT Die nächste Schicht erhält die Beschreibung eines Fragments mit den Zahlen 2, 4 und eines anderen mit 20, 40 . Die Signalgröße kann stark variieren. Du möchtest die Berechnungen erleichtern, indem du die Zahlen innerhalb https://paweldubiel.com/de/notes/42de%E2%81%9D%20Position-wise%20Feed-Forward%20Network https://paweldubiel.com/de/notes/42de%E2%81%9D%20Position-wise%20Feed-Forward%20Network Mon, 14 Sep 2026 00:00:00 GMT Das Modell hat für ein Fragment Informationen aus dem restlichen Satz gesammelt. Jetzt muss diese gesammelte Beschreibung verarbeitet werden: Merkmale verbinden und eine neue Repräsentation berechnen. Andere Positionen e https://paweldubiel.com/de/notes/42db%E2%81%9D%20Token%20Embedding https://paweldubiel.com/de/notes/42db%E2%81%9D%20Token%20Embedding Mon, 14 Sep 2026 00:00:00 GMT Der Computer erhält eine Zahl, die ein Textfragment bezeichnet. Die Zahl 17 allein sagt ihm weder, was dieses Fragment ist, noch wie es mit anderen zusammenhängt. Er braucht eine nützliche numerische Beschreibung, die er https://paweldubiel.com/de/notes/42da%E2%81%9D%20B%C5%82%C4%99dy%20kwantyzacji%20cz%C4%99%C5%9Bciowo%20znosz%C4%85%20si%C4%99%20mi%C4%99dzy%20warstwami%20modelu https://paweldubiel.com/de/notes/42da%E2%81%9D%20B%C5%82%C4%99dy%20kwantyzacji%20cz%C4%99%C5%9Bciowo%20znosz%C4%85%20si%C4%99%20mi%C4%99dzy%20warstwami%20modelu Sun, 13 Sep 2026 00:00:00 GMT Du möchtest ein Sprachmodell auf deiner eigenen Grafikkarte ausführen, aber seine Gewichte benötigen zu viel Speicher. Eine Lösung ist die Quantisierung nach dem Training: Die im fertigen Modell gespeicherten Zahlen werd https://paweldubiel.com/de/notes/42da1%E2%81%9D%20Post-training%20quantization https://paweldubiel.com/de/notes/42da1%E2%81%9D%20Post-training%20quantization Sun, 13 Sep 2026 00:00:00 GMT Du hast bereits ein trainiertes Modell, aber es benötigt zu viel Speicher, um auf dem gewählten Computer zu laufen. Ein großer Teil des Platzes entfällt auf die Zahlen, die seine Berechnungen steuern. Lassen sie sich mit https://paweldubiel.com/de/notes/42da2%E2%81%9D%20Residual%20connection https://paweldubiel.com/de/notes/42da2%E2%81%9D%20Residual%20connection Sun, 13 Sep 2026 00:00:00 GMT Das Modell verarbeitet die Textbeschreibung durch viele Schichten. Müsste jede Schicht die gesamte Information von Grund auf neu aufbauen, könnte das ihre Weitergabe leicht erschweren. Hilfreich ist, die Eingabe zu bewah https://paweldubiel.com/de/notes/42da3%E2%81%9D%20LM%20head https://paweldubiel.com/de/notes/42da3%E2%81%9D%20LM%20head Sun, 13 Sep 2026 00:00:00 GMT Das Modell hat „Heute trinke ich“ verarbeitet und besitzt eine interne Beschreibung dieses Inhalts als Zahlenliste. Der Nutzer wartet jedoch auf Text. Wir brauchen den Übergang von der im Modell verborgenen Beschreibung https://paweldubiel.com/de/notes/42cy%E2%81%9D%20Multi-Head%20Attention https://paweldubiel.com/de/notes/42cy%E2%81%9D%20Multi-Head%20Attention Sun, 13 Sep 2026 00:00:00 GMT Eine einzige Zusammenstellung von Informationen kann verschiedene Beziehungen im Satz zu stark vermischen. Beim Übersetzen können zugleich Verbindungen zwischen Personen, Zeit und grammatischer Form nützlich sein. Wir mö https://paweldubiel.com/de/notes/42cz%E2%81%9D%20Positional%20Encoding https://paweldubiel.com/de/notes/42cz%E2%81%9D%20Positional%20Encoding Sun, 13 Sep 2026 00:00:00 GMT Du liest die Sätze „BMW hat Volvo überholt“ und „Volvo hat BMW überholt“. Sie enthalten genau dieselben Wörter, aber die Änderung der Reihenfolge vertauscht die Rollen der Autos. Wenn der Modellmechanismus nur Wortbeschr https://paweldubiel.com/de/notes/42cx%E2%81%9D%20Scaled%20Dot-Product%20Attention https://paweldubiel.com/de/notes/42cx%E2%81%9D%20Scaled%20Dot-Product%20Attention Sun, 13 Sep 2026 00:00:00 GMT Das Modell soll Informationen aus mehreren Satzfragmenten verbinden. Ein Fragment ist nützlicher, ein anderes weniger. Es braucht eine konkrete Methode zur Berechnung ihrer Anteile und zur anschließenden Zusammenstellung https://paweldubiel.com/de/notes/42cw%E2%81%9D%20Self-attention https://paweldubiel.com/de/notes/42cw%E2%81%9D%20Self-attention Sun, 13 Sep 2026 00:00:00 GMT Im Satz „Anna legte das Buch weg, weil es schwer war“ erklärt das Wort „war“ allein wenig. Es muss mit früheren Fragmenten verbunden werden. Ein Modell zur Textverarbeitung braucht eine Methode, damit die Beschreibung ei https://paweldubiel.com/de/notes/42cv%E2%81%9D%20Transformer https://paweldubiel.com/de/notes/42cv%E2%81%9D%20Transformer Sun, 13 Sep 2026 00:00:00 GMT Du möchtest den Satz „Der Zug kommt morgen an“ übersetzen. Jedes Wort einzeln zu übersetzen genügt nicht: Die richtige Form hängt von anderen Wörtern und ihrer Reihenfolge ab. Das Modell braucht eine Methode zum Verbinde https://paweldubiel.com/de/notes/42be%E2%81%9D%20Ten%20sam%20ranking%20daje%20inne%20decyzje%20po%20zmianie%20kolejno%C5%9Bci https://paweldubiel.com/de/notes/42be%E2%81%9D%20Ten%20sam%20ranking%20daje%20inne%20decyzje%20po%20zmianie%20kolejno%C5%9Bci Sun, 30 Aug 2026 00:00:00 GMT Ein System, das Fragen anhand von Dokumenten beantwortet, arbeitet häufig in vier Schritten. Eine Suchmaschine findet Kandidaten, ein Scorer weist jedem eine Zahl für seine Nützlichkeit zu, ein Schwellenwert verwirft zu https://paweldubiel.com/de/notes/42be1%E2%81%9D%20Batched%20pointwise%20scoring https://paweldubiel.com/de/notes/42be1%E2%81%9D%20Batched%20pointwise%20scoring Sun, 30 Aug 2026 00:00:00 GMT Du hast eine Frage und drei gefundene Dokumente. Du möchtest jedem einen Nützlichkeitswert geben, aber drei getrennte Modellaufrufe wiederholen dieselbe Anweisung und Frage. Du kannst alle drei zusammen zeigen und um dre https://paweldubiel.com/de/notes/42be2%E2%81%9D%20nDCG%20at%2010 https://paweldubiel.com/de/notes/42be2%E2%81%9D%20nDCG%20at%2010 Sun, 30 Aug 2026 00:00:00 GMT Eine Suchmaschine liefert zehn Ergebnisse. Gute Dokumente können in der Liste enthalten sein, aber wenn das nützlichste erst an zehnter Stelle steht, erreicht der Leser es möglicherweise nicht. Du brauchst eine Bewertung