概念元数据
metadata
描述数据的数据，在Jupyter Notebook中体现为notebook顶层和每个cell的附加属性（如execution_count、collapsed），不承载代码逻辑但会增加体积
时间轴 (近 90 天)
10月12日
OPF的metadata存储书名、作者、出版日期等描述信息
待验证50%
10月8日
元数据缺失可能导致AI模型学到虚假关联而非真实的生物学规律
待验证50%
10月6日
为知识库内容附加metadata（如业务场景、国家地区、产品账户等级、语言版本、生效日期、来源优先级）可以在检索时先做条件过滤
待验证50%
10月6日
metadata过滤有预过滤和后过滤两种方式：预过滤在向量计算前用结构化字段缩小候选集，精准度更高；后过滤先召回Top-K再筛除，实现简单但可能导致可用结果不足
待验证50%
10月6日
对于条件约束严格的业务场景，预过滤比后过滤更可靠，因为它从根本上避免了答案已生成但依据来源不合规的风险
待验证50%
9月29日
规则驱动的文件分类通常依赖文件的元数据（扩展名、MIME 类型、文件大小、创建/修改时间等）而非文件内容
待验证50%
全部知识事实 (6)
待验证
OPF的metadata存储书名、作者、出版日期等描述信息
50%待验证元数据缺失可能导致AI模型学到虚假关联而非真实的生物学规律
50%待验证为知识库内容附加metadata（如业务场景、国家地区、产品账户等级、语言版本、生效日期、来源优先级）可以在检索时先做条件过滤
50%待验证metadata过滤有预过滤和后过滤两种方式：预过滤在向量计算前用结构化字段缩小候选集，精准度更高；后过滤先召回Top-K再筛除，实现简单但可能导致可用结果不足
50%待验证对于条件约束严格的业务场景，预过滤比后过滤更可靠，因为它从根本上避免了答案已生成但依据来源不合规的风险
50%待验证规则驱动的文件分类通常依赖文件的元数据（扩展名、MIME 类型、文件大小、创建/修改时间等）而非文件内容
50%