20260514:增加新内容

concepts/semantic-equivalence.md

@@ -0,0 +1,55 @@
+---
+title: "Semantic Equivalence / 语义等价"
+created: 2026-05-14
+type: concept
+tags: ["evaluation", "similarity", "domain-parsing", "reference-free"]
+sources: ["https://arxiv.org/abs/2604.15597"]
+---
+
+# Semantic Equivalence
+
+语义等价（Semantic Equivalence）是 [[delegate-52]] 中评估文档重建质量的核心概念。使用 sim(s, ŝ) ∈ [0, 1] 衡量种子文档和重建文档之间的等价程度。
+
+## 实现：两步过程
+
+### 1. 领域特定解析（Domain-Specific Parsing）
+将文本文档转换为结构化表示。例如 Recipe 领域：
+```
+文本 → parse_recipe() → {
+  ingredients: [{name, qty, unit}, ...],
+  steps: [{num, desc}, ...],
+  tips: [{num, desc}, ...]
+}
+```
+
+### 2. 相似度评分（Similarity Scoring）
+比较两个解析后的结构化表示，生成加权分数：
+```
+score = 0.4 × IngredientScore + 0.4 × StepScore + 0.2 × TipScore
+```
+
+权重通过消融实验校准，确保对内容丢失或损坏的比例敏感性。
+
+## 设计优势
+
+- **语义敏感**：200g vs 0.2kg 视为等价（单位转换不影响分数）
+- **错误敏感**：200g vs 800g 严重扣分（量级变化影响分数）
+- **顺序鲁棒**：材料列表打乱不影响分数（匈牙利匹配）
+- **免参考答案**：无需人工标注 ground truth
+
+## 与通用方法的对比
+
+| 方法 | 与领域解析器的相关性 | 方差捕获率 |
+|------|---------------------|-----------|
+| 通用文本相似度（Levenshtein 等） | 低 | <10% |
+| 语义嵌入相似度 | 中 | ~15% |
+| GPT 5.4 作为判断者 | 中 | 最多 25% |
+| 领域特定解析器 | —（基准） | 100% |
+
+通用方法**不足以**捕捉细粒度语义变化，52 个领域分别实现解析器是方法论的关键。
+
+## 相关概念
+
+- [[delegate-52]] — 应用此概念的基准
+- [[domain-specific-evaluation]] — 每个领域的解析器实现
+- [[backtranslation-round-trip-relay]] — 依赖此概念的评估循环