РУКОВОДСТВО · ОБНОВЛЕНО 2026-10-30
Мультиязычный RAG: вопрос на русском, документы на другом языке
Как отделить проблему поиска между языками от перевода уже найденного ответа.
Если русскоязычный вопрос должен находить английские документы, одной способности генератора писать по-русски недостаточно. Проверьте отдельно эмбеддинги, фильтры, ранжирование и язык ответа. Релевантный фрагмент должен появиться в выдаче до генерации. Перевод запроса может быть полезным вариантом, но его эффект нужно измерять на собственных терминах и названиях. Сохраняйте оригинал источника: красивый перевод ответа не заменяет проверку того, что выбран правильный документ и верно передан его смысл.
1. Подготовьте пары языков и источников
Соберите вопросы на русском с заранее известными релевантными фрагментами на английском и в обратном направлении. Добавьте смешанный текст, сокращения, названия продуктов и похожие документы с разными условиями. Не оценивайте только переводы одного простого вопроса. Для каждой пары отметьте, что именно считается правильным источником. Проверьте, не исключает ли фильтр языка все иностранные документы до поиска: такой запрет нельзя исправить более сильной моделью генерации.
2. Проверьте поиск без генератора
Запустите retrieval отдельно и посмотрите место правильного фрагмента среди кандидатов. Мультиязычная модель эмбеддингов должна поддерживать нужные языки, но это не обещает одинакового качества в каждой предметной области. Сравните исходный запрос и аккуратный перевод, сохраняя названия и идентификаторы. Если используется гибридный поиск, выясните, как работают ключевые слова разных языков. Один высокий score не является универсальной вероятностью релевантности и требует интерпретации на вашем наборе.
3. Проверьте реранкер и подготовку текста
Кандидат может находиться на первом этапе и исчезать после переранжирования, если второй компонент хуже работает с нужным языком. Сравните выдачу до и после него. Сохраните границы разделов и таблиц при извлечении документа; потеря структуры иногда выглядит как языковая проблема. Вопросы со смешанными алфавитами проверяйте отдельно. Не меняйте одновременно модель, chunking и перевод: иначе будет трудно понять, какой этап улучшил или ухудшил качество.
4. Верните ответ с проверяемыми цитатами
Задайте язык ответа явно и попросите сохранять точные названия, единицы и оговорки источника. Ссылка должна вести к оригинальному фрагменту, а перевод цитаты лучше обозначать как перевод. Проверьте отрицания, даты и модальные слова: небольшое изменение может превратить условие в обещание. Для вопроса без подходящего источника предусмотрите отказ от вывода. Итоговый набор приёмки должен оценивать отдельно найденный документ и точность русскоязычного ответа, а не только гладкость текста.
Частые вопросы
Достаточно ли русскоязычной LLM для поиска английского документа?
Нет. Генератор видит только переданные кандидаты. Если поиск не нашёл источник, умение отвечать по-русски проблему не решит.
Нужно ли заранее перевести всю базу?
Не обязательно. Сравните поиск по оригиналам, перевод запроса и другие варианты на контрольных парах, учитывая стоимость обновления документов.
Почему правильный документ пропадает после реранкера?
Возможны языковое ограничение компонента, усечение текста или неверная подготовка пар. Проверяйте каждый этап отдельно на тех же примерах.
Можно ли цитировать только перевод?
Сохраняйте ссылку на оригинал и обозначайте перевод. Пользователю нужна возможность проверить исходное условие, термин или числовое значение.