Context precision

Context precision — метрика того, насколько точно ИИ использует предоставленный контекст, не упуская важное и не цепляясь за лишнее. Простыми словами, это оценка избирательности внимания модели: каждый фрагмент ответа должен относиться к информации, реально нужной для запроса, без посторонних примесей.

Метрика важна, потому что в реальных системах — от чат-ботов до медицинских ассистентов — модель получает много входных данных: документы, историю, параметры пользователя. Низкая точность контекста даёт формально верные, но бесполезные ответы: ключевая деталь игнорируется или рассуждение перегружено шумом. Разработчикам метрика показывает, насколько модель отделяет существенное от второстепенного и насколько ей можно доверять при больших объёмах данных.

Интуитивно это как шеф-повар с рецептом, где кроме ингредиентов есть заметки о погоде и истории блюда. Хороший повар возьмёт только нужное, а про ливень забудет. Context precision сравнивает, какие части входного текста модель отразила в ответе с тем, что нужно было использовать. Опиралась на релевантное — высокая точность, «рассуждала о погоде» — низкая.

Пример: служба поддержки банка. Клиент пишет: «Списали 500 рублей за подписку, которую я не оформлял». В контексте — история операций, тарифы, база знаний. Высокая точность выделит операцию списания и автоплатежи, объяснит, как отменить и вернуть деньги. Низкая — начнёт про кредитные лимиты или перескажет все операции: формально в контексте, но бесполезно.

Итог: context precision — ориентир качества ИИ, показывающий, насколько внимательно система читает исходные материалы. Чем выше точность, тем меньше «рассеянности» и тем больше модель похожа на профессионала, смотрящего в нужное место нужного документа. Пользователь получает короткие и дельные ответы, разработчик — сигнал, что модель понимает, что имеет значение.