Glosario (Apéndice E)

Documento standalone, como en el primer libro. Términos propios de esta entrega primero; los heredados del volumen anterior, al final.

Términos del acceso

Cabeza del ranking. Los primeros puestos de una lista de resultados: los únicos que el usuario realmente mira y la zona que el rerank mejora.

Caducidad activa. Revisión programada de las vigencias del corpus; complemento del filtro de ciclo de vida, que solo protege si el campo dice la verdad.

Contrato de recuperación. Documento breve y firmado que fija alcance, límites de entrega, vigencia, permisos, trazabilidad, calidad y política del vacío. Espejo del manifiesto de datos en el lado de la consulta.

Cuota por documento/fuente. Máximo de píldoras de una misma familia en una entrega; regla de representación para consultas sintéticas, con relleno posterior de plazas.

Diario de consulta. El registro completo de cada consulta —texto, pipeline, desenlace y, si la interfaz lo permite, la huella del usuario—; la materia prima de las cinco señales y del bucle de retorno.

Doble campo. Los dos campos hermanos de cada píldora: el texto legible y su vector. La unidad de ingesta del libro 1 y la materia prima de la búsqueda aquí.

Embudo de recuperación. El recorrido completo con sus estrechamientos: recuperar ancho → filtrar → fusionar → tamizar → entregar estrecho.

Escalera de relajación. Secuencia ordenada de aflojamientos ante un vacío —preferencias, tiempo, ámbito—, con confesión en cada peldaño, antes de declarar "no lo sé".

Híbrido. Ejecución y fusión de los canales denso (vectores) y disperso (léxico). Corrección mutua de dos mediocridades complementarias.

HNSW. Técnica de índice de vecindad que hace viable la búsqueda vectorial a gran escala: un "mapa de barrios" construido en ingesta, aproximado y ciego a los filtros futuros.

Hueco de resultados. Fallo estructural del post-filtrado: se piden k, el filtro deja menos, y el sistema no lo declara. Se mitiga con over-fetch y se elimina moviendo la condición a pre-búsqueda.

Juez (LLM como juez). El modelo de lenguaje como certificador de candidatos antes del ensamblado: emite veredictos cerrados (responde / parcial / no responde). Juzga encaje, nunca verdad jurídica.

MMR (Maximal Marginal Relevance). Regla de relleno de plazas que descuenta lo parecido a lo ya elegido: relevante, pero no repetido.

MRR. Media del inverso del puesto del primer acierto; la métrica de la cabeza del ranking.

nDCG. Ganancia acumulada con descuento por posición; la métrica honesta para consultas sintéticas y para valorar la diversidad.

Over-fetch. Pedir más de lo que se entregará para que los filtros o la fusión no dejen la entrega corta. El múltiplo de seguridad se calibra con datos.

Paquete de trazabilidad. La lista de lo que entró en el contexto —píldoras, fuentes, veredictos, presupuesto— que acompaña a cada respuesta y alimenta observabilidad y evaluación.

Pre-filtrado. Aplicar las condiciones antes de calcular similitud: lo no elegible no participa. Convierte ciertos fallos en imposibles; cuesta cuando el filtro deja pasar poco.

Post-filtrado. Filtrar después de recuperar: índice intacto y escalas frescas, pero con riesgo de hueco. Casa de las condiciones blandas.

Píldora de información. Unidad mínima autocontenida del corpus (libro 1). En este libro: la unidad que se filtra, recupera, reranquea y entrega íntegra.

Presupuesto de contexto. Límite de tokens de la entrega; el tope que convierte la calidad en contabilidad.

Recall@k. Porción de la verdad de referencia que aparece dentro del top-k; la métrica del olvido y la contractual.

Regresión del acceso. Suite que corre el dataset de consultas en cada cambio (del acceso o del corpus) y bloquea las degradaciones; con registro por consulta.

Rerank (el tamiz). Segunda pasada que reordena los candidatos leyendo consulta y píldora juntas (el modelo cruzado, cross-encoder en inglés); comprueba encaje fino a cambio de latencia.

RRF (Reciprocal Rank Fusion). Fusión de listas por puestos y no por puntuaciones; robusta ante escalas incomparables.

Vacío de corpus / vacío de filtro. Las dos clases de "no hay resultados": no existe en el corpus (información para el roadmap) o existe pero quedó excluido (defecto del sistema). Nunca confundirlas.

Verdad de referencia. Lo que debería salir para una consulta del dataset, firmado por el negocio. La vara de medir del acceso.

Vigencia. Estado de vida normativa de una píldora; en derecho, parte del significado. Filtro crítico en el 100 % de las búsquedas.

Heredados del primer libro

Acotar para dominar. El método de partir el universo documental en dominios con fronteras claras antes de construir nada.

Bronce / Silver / Gold. Las tres calidades del material: crudo capturado, depurado y clasificado, sintetizado y firmado por expertos.

Dataset áureo. El conjunto de preguntas con verdad conocida que valida el corpus. Aquí: extendido a consultas, valida el acceso.

Dominio. Frontera de conocimiento con su acotamiento, sus fuentes y sus preguntas. Primera coordenada de la búsqueda.

Idempotencia documental. Un documento no se duplica al actualizarse: se sustituye. La garantía de que el Rack no acumula cadáveres.

Manifiesto de datos. El inventario soberano del corpus: si no está en el manifiesto, no existe. Espejo del contrato de recuperación.

Rack. El corpus ingerido y validado, en producción. La biblioteca llena que este libro aprende a abrir.

Regla de oro de la serie. Que la respuesta diga la verdad del corpus, y que se pueda comprobar. Del granero a la estantería.