Glosario

Muy cercano (similitud Jaccard)

Marcador automático aplicado a un prompt considerado casi duplicado de otro ya presente en el lote, según similitud de Jaccard calculada sobre los tokens (palabras normalizadas). Umbral típico: > 0,85.

Ejemplo concreto

«¿Cuáles son los mejores aires portátiles para un estudio?» y «¿Mejor aire portátil para un piso pequeño?» comparten la mayoría de sus tokens: el segundo se marca «Muy cercano» del primero.

Por qué importa

Sin este garante, un pool estrecho produciría lotes artificialmente inflados. El marcado permite depurar el lote sin perder créditos y sugiere que el pool puede necesitar ampliarse.

Términos relacionados