A meglepetés: a legtöbb címkézés ront
Egy 2026-os vizsgálat szétszedte három részre azt, amit általában egyben szokás mondani: metaadat, struktúra és keresési stratégia. Hat feladatkészleten, négy modellel, három különböző modellcsaládból. A harmadikat, a keresési stratégiát a vizsgálat szintén külön mérte, de ez a cikk a másik kettőről szól, mert jegyzeteléssel csak azon a kettőn lehet változtatni.
| Mit adtak hozzá | Hatás a pontosságra |
|---|---|
| Csak struktúra (nyers szövegből rendezett rekordok) | −0,008 … −0,078 |
| Időbeli metaadat (mikor érvényes) | +0,220 a leginkább érintett feladaton |
| Teljes dúsítás (minden együtt) | +0,196 az egyiken, −0,032 és −0,063 a többin |
A tanulmány összefoglaló mondata rövid: a dúsítás nagy része csökkenti a pontosságot.
Az egyetlen elem, ami tisztán működik, az időbeli metaadat — és nem is kicsit: a legjobb eredményt adó feladaton a teljes nyereség több mint száz százalékát ez adja. Vagyis minden más hozzáadott réteg visszaeszi belőle.
A megbízhatósági pontszám („forrás minősége: közepes"), az ellentmondás-jelzés és az eredetlánc hozzáadása mindegyik feladaton rontott. A szerzők külön nevet is adtak a jelenségnek: a modell helyesen dolgozza fel a metaadatot, mégis rosszabb választ ad.
Amit ebből a jegyzetelésre lefordítva érdemes megjegyezni: a dátum bizonyítottan segít. A „megbízhatóság: közepes", „X mondta egy előadáson", „forrás: másodkézből" típusú címkézés viszont mérhetően ronthat. A teljesség nem ugyanaz, mint a hasznosság.
Ami mérhetően segít: a darab, ami megmondja, honnan jött
Van egy másik irány, ami viszont következetesen javít, és érdemes megkülönböztetni az előzőtől.
Amikor a rendszer a jegyzeteidet darabokra vágja, a darab önmagában gyakran értelmetlen: „ez a szám 12%-kal nőtt az előző negyedévhez képest" — de melyik szám, melyik negyedév? Ha minden darab elé odakerül egy mondat arról, honnan jön, a visszakeresés mérhetően javul.
Egy gyártói mérés szerint a nem megtalált releváns darabok aránya 5,7%-ról 3,7%-ra esett ettől az egy lépéstől, és további módszerekkel együtt 1,9%-ig. (Gyártói blogposzt, nem lektorált, a teszthalmaz nem nyilvános — az irányt érdemes elfogadni, a pontos számokat fenntartással.)
A különbség a két eset között lényeges. A dátum és a „miről szól ez a szakasz" olyan információ, ami a szöveg megértéséhez kell. A megbízhatósági pontszám és a forráslánc viszont ítélet a szövegről — és ezzel a modell mérhetően rosszabbul boldogul.
Egy figyelmeztetés a „31%-os javulás" típusú számokhoz
Ezt érdemes megtanulni, mert bármelyik eszköz bemutatójánál használható.
Egy pénzügyi kérdés-válasz rendszeren mérték meg, mit ad a gazdag metaadatolás. Az eredmény négy sorban:
| Mérőszám | Naiv megoldás | Metaadatokkal |
|---|---|---|
| F1 | 32,9 | 43,2 |
| Állítás-felidézés | 45,9% | 39,9% |
| Kontextus-precizitás | 20,0% | 18,0% |
| Hűség a forráshoz | 76,4% | 73,7% |
A „31%-os javulás" igaz — az első sorban. A másik három romlott, köztük a hűség.
Ha egy eszköz gyártója egyetlen javuló mérőszámot mutat, kérdezd meg a többit. Ez nem erre a termékre igaz, hanem minden ilyen bemutatóra.
Mekkora darab, mekkora jegyzet?
Univerzális válasz nincs, de van használható hüvelykujjszabály, két méréssel alátámasztva:
- Rövid, tényszerű kérdésekhez (mi volt a határidő, mennyi volt az összeg) a kis darab jobb: nagyjából 64–128 token, ami két-három mondat.
- Tág, összefüggést kereső kérdésekhez (miért döntöttünk így) a nagyobb darab jobb: 512–1024 token, ami egy-két bekezdés.
Gyakorlatra fordítva: a négy-nyolc mondatos bekezdés mindkét esetben használható méret, a háromezer szavas folyószöveg egyikre sem.
„Beledobom az egymilliós ablakba" — miért nem működik
Ez a leggyakoribb ellenérv a jegyzetstruktúra ellen: minek darabolni, ha a modell úgyis elolvas egymillió tokent?
A legkeményebb mérés erről 13 modellt tesztelt, mindegyik 128 ezer tokennél nagyobb ablakot hirdet. A trükk a mérésben az, hogy eltávolították a szó szerinti szóegyezést a kérdés és a keresett információ között — vagyis valódi összefüggést kellett felismerni, nem kulcsszót találni.
Az eredmény: 32 ezer tokennél a 13 modellből 11 a rövid kontextusú saját teljesítményének a felét sem hozta. Egy konkrét példa: 99,3%-ról 69,7%-ra.
Ezer token alatt mindegyik modell közel hibátlan volt.
Ehhez jön a régebbi, jól ismert lelet is: a kontextus közepére tett információt a modellek rosszabbul használják, mint az elején vagy a végén lévőt.
A leggyakoribb félreértés tehát ez: az egymilliós ablak nem azt jelenti, hogy egymillió tokenen ugyanolyan pontos. Azt jelenti, hogy nem áll le hibával.
Mikor melyik:
| Visszakeresés | Hosszú ablak | |
|---|---|---|
| Mikor jobb | nagy, ritkán változó anyag, szűk kérdés | egy dokumentum, ami egyben értelmes |
| Költség | olcsóbb | lényegesen drágább |
| Kockázat | rossz darabot hoz elő | 32K felett mérhetően romlik |
Az emberi oldal: a tollról szóló mítosz
A legismertebb jegyzetelős állítás az interneten az, hogy kézzel írva jobban tanulsz, mint gépelve. Ez egy 2014-es kísérletből származik.
A legalaposabb replikáció nem támasztotta alá. A szerzők megfogalmazása szerint a teljesítmény egyik csoport között sem különbözött következetesen, és a direkt replikációk összesítése is csak kicsi, nem szignifikáns különbséget mutatott a kézírás javára. Abban a kísérletben pedig, ahol a résztvevők átnézhették a jegyzetüket, a különbségek tovább csökkentek.
A szerzők maguk írják: annak eldöntése, melyik módszer jobb, egyelőre korai.
Amit viszont mértek az AI-val készült jegyzetről, az árnyaltabb, és nem az, amire számítanál:
- Egy randomizált kísérletben az AI-készítette szöveges összefoglaló nem adott rosszabb megértést az ember írtánál, sőt késleltetett felidézésben kedvezőbb mintázatot mutatott. Az ember írta összefoglalók viszont jobb önismeretet adtak arról, mit értett meg valaki.
- Egy 319 tudásmunkást vizsgáló felmérés kulcsösszefüggése: minél nagyobb a bizalom az AI-ban, annál kevesebb az ellenőrzés — és minél nagyobb valakinek az önbizalma a saját tudásában, annál több.
- Egy kicsi, agyi aktivitást is mérő vizsgálat szerint az AI-val dolgozók nem tudták pontosan idézni a saját, épp megírt szövegüket. (54 fő, egyetlen feladattípus, előzetes közlemény — jelzés, nem bizonyíték.)
A szintézis: az adat nem azt mondja, hogy az AI-val készült jegyzet rosszabbul megjegyezhető. Azt mondja, hogy rosszabb önismeretet ad arról, mit értettél meg. Ezért nem az a cél, hogy „helyetted írja", hanem hogy a nyersanyag visszakereshetően legyen letéve — és az ellenőrzés maradjon nálad.
A how-to
1. DÁTUM A SZÖVEGBE, NE CSAK A FÁJLNÉVBE
Ez az egyetlen metaadat, ami mérhetően javít.
"2026. szeptember 12-i megbeszélés" — a jegyzet
első sorába.
2. CÍMSOR MINDEN GONDOLATI EGYSÉG FÖLÉ
A darabolás ezt használja vágási pontnak.
3. BEKEZDÉS = NÉGY-NYOLC MONDAT
Mindkét darabméretnél működik. A folyószöveg
egyiknél sem.
4. AZ ELSŐ MONDAT MONDJA MEG, MIRŐL SZÓL
Ne a közepén derüljön ki. A darab önmagában is
legyen érthető.
5. NE CÍMKÉZD FEL MINŐSÍTÉSSEL
"Megbízhatóság: közepes", "forrás: hallomás" —
ezek mérhetően rontanak. Ha kétes, írd le
mondatban, a szövegben.
6. AMI SZÁM, AZ MELLÉ MINDIG ODA, HOGY MIÉ
"12%-kal nőtt" önmagában értelmetlen darab lesz.
7. AZ ELLENŐRZÉS NEM MEGY GÉPRE
Amit később állítasz belőle, azt te nézed meg.
Az első és az ötödik pont együtt adja a cikk lényegét: írj kevesebb címkét és több dátumot.
Tipikus félreértések
- „Minél több metaadat, annál jobb." A mérés ennek pont az ellenkezőjét mutatja: a dúsítás nagy része rontott, egyedül az időbeli adat javított.
- „Mindig JSON-ban add oda a modellnek." A formátum számít — az egyik mérésben egy feladaton 40%-os különbséget okozott —, de nincs egyetlen legjobb formátum, és a nagyobb modellek kevésbé érzékenyek rá.
- „Kézzel írva jobban megjegyzem." A legjobb replikáció nem támasztotta alá. Ez nem azt jelenti, hogy rossz kézzel írni — azt, hogy nem ez a döntő tényező.
- „Az egymilliós ablakba mindent bedobhatok." 32 ezer tokennél a 13 tesztelt modellből 11 már a rövid kontextusú teljesítményének felét sem hozta, ha nem volt szó szerinti szóegyezés.
- „Ha 31%-ot javult, akkor jobb lett." Nézd meg a többi mérőszámot. Ugyanabban a mérésben a hűség és a precizitás is romlott.
Amit érdemes elvinni
A jó jegyzet a gépnek ugyanaz, ami neked: tagolt, datált, és a darabjai önmagukban is érthetők. Ez a három dolog mérhető különbséget okoz, és mindhárom ingyen van.
Amit viszont érdemes abbahagyni: a minősítő címkézést. Ami ítélet a szövegről, azt hagyd a szövegen kívül — a mérés szerint a modell ettől nem lesz óvatosabb, csak pontatlanabb.
Hogy ebből hogyan lesz működő, kereshető tudásbázis , arról a személyes tudásbázis poszt szól lépésről lépésre; az olvasás és az ellenőrzés sorrendjéről pedig a gyorsabb olvasás poszt.