A name in another script or a former name never meets its entity
I maintainer di solito rispondono entro 1 giorno
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 3/5
- Tempo stimato
- 1-2 giorni
- Idoneità per principianti
- 70/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Specificata chiaramente
- Stato di attività
- Attiva
- Stack tecnologico
- postgresql, rust
- Ambito
- backend-api-design
Direzione di ricerca
Locate the channel 2 proposal logic and name extraction rules in the Rust codebase. Find and run the identity bench tests to establish baseline metrics. Implement mutual nearest name pairing for same-entity detection, modify the rename extraction to list one entity with two names, and ensure all regression tests (lease bench, govern.mjs, NVDA filings, Chinese statistics, FDA approvals) pass with identity bench recall ≥ 0.9.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Cut 2 of 0041.
What happens
The identity bench (21 anchors, 19 same-entity pairs), on dev plus #699 with DeepSeek-V3.2:
| order | precision | recall | F1 |
|---|---|---|---|
| forward | 0.846 | 0.579 | 0.688 |
| reverse | 0.800 | 0.211 | 0.333 |
All 8 pairs forward misses are names that share no string:
- a rename: 东海海洋研究所 → 澜海研究院
- the same name in two scripts: 澜海研究院 / Lanhai Research Institute, 李娜 / Li Na
- a transliteration: 海洋探测器2号 / Haitan-2
Recall is an exact match on name facts (0041 decision 1), so none of these pairs ever reached the review queue. The rename notice ("东海海洋研究所自2021年6月1日起更名为澜海研究院") came back as two entities, each carrying one known_as fact.
What a name vector can and cannot do
A probe embedded the bench names and a few from the other corpora with the configured model (BAAI/bge-m3) and listed each name's nearest neighbours:
| name | the same entity: rank, cosine | ranked above it |
|---|---|---|
| 李娜 | Li Na: 1st, 0.579 | — |
| 张伟 | Zhang Wei: 1st, 0.504 | — |
| NVIDIA | 英伟达: 1st, 0.676 | — |
| Haitan-2 | 海洋探测器2号: 1st, 0.591 | — |
| Microsoft Copilot | Copilot: 1st, 0.889 | — |
| Lanhai Research Institute | 澜海研究院: 3rd, 0.500 | OpenAI 0.510 |
| 澜海研究院 | 东海海洋研究所: 2nd, 0.533 | 澜海研究院技术中心 0.892 |
| 海洋探测器1号 | 海探1: 2nd, 0.780 | 海洋探测器2号 0.856 |
- No threshold separates the pairs. Same-entity pairs across scripts score 0.50–0.68, unrelated names score around 0.50, and look-alikes score highest (a department and its institute 0.89, a product and its next version 0.86).
- A vector does not find a former name. Only the sentence that states the rename can.
Plan
- Channel 2 proposes mutual nearest names. Within compatible types, A's nearest name is B's and B's nearest is A's. Such pairs go to the adjudicator and are never merged directly. The condition is structural and needs no threshold. On the probe it pairs 李娜/Li Na, 张伟/Zhang Wei, NVIDIA/英伟达 and Copilot, and also look-alikes that evidence has to keep apart. A background job embeds new name facts after a document is extracted, so extraction does not wait on it.
- The extraction rules say a rename is one entity with two names: list it once under the current name and put the former name in
names. - Measure:
- identity bench, both orders; the target is recall ≥ 0.9 without losing precision;
- regressions: lease bench,
govern.mjs, recall on the NVDA filings, Chinese statistics and FDA approvals.
The cross-script institute ("Lanhai Research Institute", ranked 3rd) is left for channel 3, neighbours: it shares edges with 李娜 and 海探2.
- Lingua principale
- Rust
- Stelle
- 8.1k
- Fork
- 1.1k
- Merge medio
- 12h 1m
- PR unite (30g)
- 309
Preparare l'ambiente
- Include un Dockerfile o un file Docker Compose
- Ha un modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di deeplethe/utopia
-
测试模型里面的地址，点击某一个都进行测试了Apertabug
I maintainer di solito rispondono entro 1 giorno
-
enhancement
I maintainer di solito rispondono entro 1 giorno
-
materialize_typed makes no model call but is still claimed as model workForse già presa Una pull request collegata a questa issue è aperta o già unita. Apertabug
Difficoltà 3/5 1-2 giorni Idoneità per principianti 68/100
deeplethe/utopia#1351 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
enhancement
Difficoltà 5/5 Più di una settimana Idoneità per principianti 35/100
deeplethe/utopia#1341 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
bug
Difficoltà 5/5 Più di una settimana Idoneità per principianti 48/100
deeplethe/utopia#1338 · 2 commenti ·
I maintainer di solito rispondono entro 1 giorno
Tutte le issue di deeplethe/utopia
Issue simili
-
area/backends bug session-analysis
Difficoltà 2/5 1-3 ore Idoneità per principianti 69/100
I maintainer di solito rispondono entro 1 giorno
-
docs good first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 75/100
-
crash
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 65/100
aaif-goose/goose#13125 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
I maintainer di solito rispondono entro 1 giorno