Woordenlijst

Juridische domeinaanpassing stemt een AI- of zoeksysteem af op juridische taal, bronnen en redenering zodat output preciezer en verdedigbaar wordt.

Kleine trainbare modules ingevoegd in bevroren voorgetrainde modellen, voor efficiënte taakspecifieke fine-tuning met minimale parameters.

Gericht het model aanvallen met moeilijke of kwaadaardige inputs om zwaktes te vinden.

AI-conformiteitsbeoordeling is het proces om aan te tonen dat een AI-systeem aan wettelijke en technische vereisten voldoet vóór het op de markt komt of in gebruik wordt genomen.

AI-documentatievereisten zijn records en technische documenten om doel, ontwerp, testen, controls en beperkingen van een AI-systeem te onderbouwen voor compliance en veilig gebruik.

Een AI-governanceframework is het geheel van rollen, beleid en controls waarmee een organisatie AI-systemen beheert over de volledige levenscyclus.

AI-risicobeheer is het proces om risico’s van AI-systemen te identificeren, beoordelen, mitigeren en te monitoren over de volledige levenscyclus.

Algoritmische transparantie is duidelijke informatie geven over hoe een AI-systeem werkt, welke data het gebruikt en wat de beperkingen en failure modes zijn.

Het proces om AI-systemen te trainen zodat ze handelen in overeenstemming met menselijke waarden, intenties en voorkeuren—het verzekeren dat modellen behulpzaam, onschadelijk en eerlijk zijn.

Analyse van retrieval-dekking toetst of je index en retrieval-pipeline de noodzakelijke bronnen kan vinden voor een afgebakende set vragen en topics.

Zorgen dat elk belangrijk deel van een antwoord herleidbaar is tot concrete bronnen.

Algoritmen die bij benadering gelijksoortige vectoren snel vinden door perfecte nauwkeurigheid in te ruilen voor enorme snelheidsverbeteringen.

Een neurale netwerktechniek waarmee modellen zich kunnen richten op relevante delen van de invoer bij het produceren van uitvoer.

Het AI-vermogen om gegenereerde uitspraken te koppelen aan specifiek bronbewijs, waarbij wordt vastgesteld welke delen van de output door welke documenten worden ondersteund.

Een manipulatieresistent logboek van acties, beslissingen en systeemevents in de tijd.

Een autoriteitsrankingmodel rangschikt bronnen op juridische autoriteit en betrouwbaarheid zodat controlerende, sterke bronnen eerst verschijnen.

Een algoritme dat efficiënt gradiënten berekent door fouten achterwaarts door een neuraal netwerk te propageren, laag voor laag.

Een decoderingsalgoritme dat meerdere kandidaatsequenties parallel verkent en de top-k meest veelbelovende paden bij elke stap behoudt.

Het systematische proces van het evalueren van modelprestaties tegen gestandaardiseerde datasets en metrieken, wat eerlijke vergelijking tussen verschillende modellen, architecturen en benaderingen mogelijk maakt.

Een waardebereik waarvan men gelooft dat het een grootheid met een gegeven kans bevat.

Metrieken die vastleggen hoe stabiel, voorspelbaar en veilig een AI-systeem in de tijd is.

Een neurale architectuur die queries en documenten apart encodeert naar vaste vectoren, wat efficiënte similariteitszoekopdrachten mogelijk maakt via voorberekende embeddings en approximate nearest neighbor indexes.

Bias-mitigatie is het geheel aan methoden om unfair bias in data, modelgedrag en uitkomsten van een AI-systeem te detecteren en te verminderen.

Best Matching 25 - het state-of-the-art probabilistische ranking-algoritme voor tekstzoeken gebaseerd op TF-IDF-principes.

Een Booleaanse zoekopdracht combineert termen met operatoren zoals AND, OR en NOT om resultaten precies in- en uit te sluiten.

Informatie over waar data of inhoud vandaan komt en hoe zij is ontstaan.

Een subwoord-tokenisatie-algoritme dat een vocabulaire opbouwt door veelvoorkomende symboolparen iteratief samen te voegen.

Het afstemmen van modelconfidences op de werkelijke kans dat antwoorden kloppen.

Een prompting techniek die stap-voor-stap redenering ontlokt van taalmodellen, prestaties op complexe taken verbetert door het redeneerproces van het model expliciet en verifieerbaar te maken.

De methode om documenten te verdelen in kleinere segmenten voor effectieve retrieval en verwerking in RAG-systemen.

De praktijk van expliciet verwijzen naar brondocumenten in AI-gegenereerde antwoorden, waardoor verificatie van claims mogelijk wordt en vertrouwen wordt opgebouwd door transparantie.

Compliance-bewuste retrieval dwingt governance- en regelconstraints af (toegang, provenance, logging) zodat bronnen verdedigbaar worden opgehaald en geciteerd.

Het toekennen van scores die aangeven hoe sterk bewijs of retrieval een antwoord ondersteunt.

Het bouwen en bijhouden van zoekindexen over documenten, velden en embeddings.

Het toevoegen van opgehaalde of extra informatie aan een LLM-prompt om de generatie te sturen.

De maximale hoeveelheid tekst (gemeten in tokens) die een taalmodel in één interactie kan verwerken.

Het regelmatig opnieuw draaien van evaluaties in productie om regressies of drift vroeg te zien.

De volledige verzameling documenten waarover een zoek- of AIsysteem beschikt.

Een wiskundige maat voor gelijkenis tussen twee vectoren gebaseerd op de cosinus van de hoek ertussen.

Een neurale architectuur die query-document paren gezamenlijk encodeert om relevantiescore te produceren, met hogere nauwkeurigheid dan bi-encoders maar tegen hogere rekenkosten.

De keten van stappen waarmee ruwe brondata wordt omgezet in indexeerbare, bruikbare content.

Voorbewerking van ruwe data om ruis te verwijderen en formaten te uniformeren voor search of AI.

Waar data fysiek wordt opgeslagen of verwerkt, vaak beperkt door wet of beleid.

Data-ethiek is het verantwoord gebruik van data: verzamelen, delen en verwerken op een manier die mensen, context en verwachtingen respecteert.

De rollen, processen en policies die zorgen dat data verantwoord en compliant wordt beheerd.

Regels die bepalen hoe lang verschillende datatypes worden bewaard en wanneer ze moeten worden verwijderd.

Het opsporen en verwijderen van dubbele of bijna‑dubbele documenten in een corpus.

Een deelveld van machine learning dat neurale netwerken met veel lagen gebruikt om hiërarchische representaties van data te leren.

Informatieophaling met behulp van aangeleerde dense vectorrepresentaties, voor semantische matching voorbij trefwoordoverlap.

Detectie van regelgevingsdrift monitort wijzigingen in wetgeving en guidance die retrieval, output of controls van een AI-systeem verouderen.

Technieken om de dimensies van embeddings te verlagen terwijl zoveel mogelijk informatie behouden blijft.

Een wiskundige functie die de afstand of gelijkenis tussen twee embeddings kwantificeert.

Een klein segment van een document dat als afzonderlijke eenheid wordt geïndexeerd en geraadpleegd.

Het binnenhalen en opslaan van nieuwe documenten in een zoek- of kennisplatform.

Het uniformeren van tekst en structuur over documenten heen om indexering en search te vereenvoudigen.

Het omzetten van ruwe bronbestanden naar gestructureerde tekst en metadata.

Een maat voor gelijkenis tussen vectoren gebaseerd op hun inwendig product.

Het afstemmen van embeddings uit verschillende modellen of talen zodat ze vergelijkbaar worden.

Technieken om embeddings kleiner te maken in opslag of bits per vector zonder te veel kwaliteitsverlies.

Langzame verschuiving in de betekenis of schaal van embeddings door model‑ of datawijzigingen.

De vectorruimte waarin embeddings zich bevinden en waar afstanden semantische relaties benaderen.

Een ML‑model dat tekst of andere data omzet in vector-embeddings.

Dichte vectorrepresentaties van data (tekst, afbeeldingen, etc.) die semantische betekenis vastleggen in een continue numerieke ruimte.

Het automatisch herkennen van namen, organisaties, datums en andere entiteiten in tekst.

De EU AI Act is de risicogebaseerde EU-verordening voor AI en legt verplichtingen op aan aanbieders en deployers afhankelijk van het risico van het systeem.

De gewone rechte‑lijn‑afstand tussen twee punten in een vectorruimte.

Herbruikbare opzet om evaluaties van AI-systemen te definiëren, draaien en opvolgen.

A curated set van voorbeelden met bekende uitkomsten om modelprestaties te meten.

Facebook AI Similarity Search - de meest uitgebreide open-source library voor efficiënte similarity search en clustering van dense vectoren.

De vraag of een uitleg of antwoord echt overeenkomt met het onderliggende redeneerproces of bewijs.

Een neuraal netwerk waarin informatie alleen voorwaarts stroomt van input naar output, zonder terugkoppellussen.

In welke mate een gegenereerd antwoord overeenstemt met betrouwbare bronnen of ground truth.

De mate waarin AI-gegenereerde inhoud nauwkeurig verifieerbare waarheid weerspiegelt, waarbij correcte uitspraken worden onderscheiden van fabricaties en hallucinaties.

Een machine learning paradigma waarbij modellen taken leren uitvoeren met slechts een handvol voorbeelden, wat snelle aanpassing mogelijk maakt zonder uitgebreide hertraining of fine-tuning.

Het proces van verder trainen van een voorgetraind model op domeinspecifieke data om prestaties voor gespecialiseerde taken te verbeteren.

Systematisch onderzoeken waar en waarom een model faalt om volgende iteraties te verbeteren.

Full-text search haalt documenten op door querytermen te matchen met geïndexeerde tekst (vaak via een inverted index) en rankt de beste matches.

Een LLM-mogelijkheid waarbij het model gestructureerde argumenten invult om externe tools of functies aan te roepen.

Het deel van een RAG-systeem waar het taalmodel op opgehaalde context steunt om een antwoord te genereren.

Het afdwingen dat LLM-antwoorden in goed gedefinieerde formaten zoals JSON, XML of schema's worden teruggegeven.

Een optimalisatie-algoritme dat modelparameters iteratief aanpast door te bewegen in de richting die de verliesfunctie vermindert.

Een eenvoudige tekstgeneratiestrategie die altijd het token met de hoogste kans selecteert bij elke stap.

De gezaghebbende, geverifieerde referentiedata gebruikt om machine learning-modellen te trainen en evalueren—de 'correcte' antwoorden waartegen modelvoorspellingen worden gemeten.

De techniek om AI-modeloutputs te verankeren aan verifieerbare bronnen, feiten of opgehaalde documenten om hallucinaties te verminderen en nauwkeurigheid te verhogen.

Veiligheidsmechanismen en beperkingen die AI-systemen ervan weerhouden schadelijke, ongepaste of off-topic outputs te genereren—runtime bescherming die verder gaat dan alignment tijdens training.

Wanneer een AI-model valse, verzonnen of onondersteunde informatie genereert die als feit wordt gepresenteerd.

Het aandeel modeluitvoer dat verzonnen of niet onderbouwd is.

Hierarchical Navigable Small World grafen - het state-of-the-art algoritme voor snelle approximate nearest neighbor zoekacties in hoog-dimensionale ruimtes.

Een hoog-risico AI-systeem is een AI-systeem dat onder de EU AI Act als hoog risico wordt geclassificeerd op basis van beoogd gebruik, met strengere verplichtingen als gevolg.

Inzet van menselijke reviewers om AI-uitvoer te controleren, corrigeren of goed te keuren.

Het combineren van vector‑ en lexicale indexen om zowel semantische als trefwoordmatching te ondersteunen.

Een retrieval-aanpak die keyword-gebaseerde en semantische vectorzoekopdrachten combineert om de sterke punten van beide te benutten.

Het vermogen van grote taalmodellen om nieuwe taken te leren tijdens inferentie door te conditioneren op voorbeelden of instructies in de prompt, zonder enige parameterupdates.

Het periodiek herberekenen of bijwerken van een vectorindex om nieuwe data of modelwijzigingen te reflecteren.

Het opsplitsen van een grote index in meerdere shards over machines of partities.

Een indexeringsstrategie is het plan voor wat je indexeert, hoe je content structureert en hoe je de index actueel houdt voor betrouwbare zoekresultaten.

Het proces van het gebruiken van een getraind model om voorspellingen of outputs te genereren op nieuwe data.

Software die documenten indexeert en queries afhandelt om relevante informatie terug te vinden.

Een fine-tuning methode die taalmodellen traint om natuurlijke taalinstructies over diverse taken te volgen.

Een datastructuur die termen koppelt aan documentlocaties, voor snelle full-text zoekopdrachten over grote documentcollecties.

Een retrievalstrategie die queries en context herhaaldelijk verfijnt op basis van tussentijdse resultaten.

Het bewust ontwerpen van prompts of inputs om de veiligheids- en beleidskaders van een AI-systeem te omzeilen.

Juridische afhankelijkheidsmapping bouwt een grafiek van citaties en relaties tussen rechtsbronnen zodat retrieval en analyse kunnen volgen wat van wat afhangt.

Een gestructureerde verzameling documenten en feiten die door zoek- of AIsystemen wordt geraadpleegd.

Het trainen van een kleiner student-model om een groter teacher-model na te bootsen, kennisoverdracht met drastisch verminderde grootte en kosten.

Een gestructureerd netwerk van entiteiten en relaties dat machines in staat stelt om real-world concepten te begrijpen en erover te redeneren.

De hoge‑niveaukeuzes voor hoe een systeem kennis ophaalt en structureert voor gebruik door LLM’s.

Zoektechnieken die vooral op exacte of bijna‑exacte trefwoordmatching steunen.

Large Language Models zijn AI-systemen getraind op enorme hoeveelheden tekstdata om mensachtige tekst te begrijpen en genereren.

De logaritmen van tokenkansen die een taalmodel produceert, gebruikt voor scoring en analyse van generaties.

Low-Rank Adaptation - een efficiënte fine-tuning techniek die kleine adapter-matrices traint in plaats van alle modelgewichten bij te werken.

Een vakgebied van AI waar systemen patronen leren uit data om voorspellingen of beslissingen te maken zonder expliciete programmering.

Menselijk toezicht betekent dat mensen een AI-systeem kunnen begrijpen, monitoren en bijsturen, inclusief de mogelijkheid om te overrulen of te stoppen.

Het toevoegen of afleiden van extra velden (entiteiten, thema’s) bovenop ruwe documenten.

Retrieval beperken op basis van velden zoals datum, bron, taal of vertrouwelijkheidsniveau.

Een open-source vectordatabase geoptimaliseerd voor het opslaan, indexeren en doorzoeken van massale embedding-vectoren—maakt similarity search mogelijk voor AI-applicaties zoals RAG, semantisch zoeken en aanbevelingen.

Technieken om AI-modelgrootte en rekenvereisten te verminderen met behoud van prestaties, voor efficiënte deployment.

Prestatieverslechtering van een model doordat datadistributie of gebruik in de tijd verandert.

De mate waarin mensen kunnen begrijpen hoe een model tot zijn voorspellingen komt.

In welke mate een model prestaties behoudt bij ruis, verschuivingen of adversariële input.

Modelverantwoordelijkheid betekent duidelijke ownership, traceerbaarheid en verantwoordelijkheid voor hoe een AI-model wordt gebouwd, gewijzigd en gebruikt.

Een techniek die meerdere attention-operaties parallel uitvoert, waardoor modellen verschillende soorten relaties tegelijk kunnen vastleggen.

Retrieval dat meerdere opeenvolgende stappen koppelt om complexe, meerstapsvragen te beantwoorden.

Multi-jurisdictie-indexering structureert een index over landen/regio’s zodat retrieval rekening houdt met jurisdictie, taal en toepasbaarheid.

AI-techniek die benoemde entiteiten zoals personen, plaatsen en organisaties in tekst identificeert en classificeert voor informatie-extractie.

Algoritmen die de dichtstbijzijnde vectoren bij een query‑embedding zoeken.

Een retrievalpatroon dat expliciet zoekt naar tegensprekend, ontbrekend of ontkrachtend bewijs.

Een machine learning model dat bestaat uit onderling verbonden lagen van kunstmatige neuronen die patronen leren uit data.

Optical Character Recognition—technologie die afbeeldingen van tekst (gescande documenten, foto's, PDF's) omzet naar machineleesbare tekst, waardoor zoeken, bewerken en AI-verwerking van gedrukte of handgeschreven content mogelijk wordt.

Een formeel model van concepten en hun relaties binnen een domein.

Het kwantificeren van hoe onzeker een model is over zijn voorspellingen of antwoorden.

Bronconflict-resolutie is hoe een zoek- of RAG-systeem tegenstrijdige bronnen detecteert en behandelt, met focus op controlerende autoriteit en expliciete onzekerheid.

Het ophalen van kleine passages of tekstchunks in plaats van volledige documenten voor preciezere antwoorden.

Een metriek die meet hoe goed een taalmodel tekst voorspelt, waarbij lagere waarden betere voorspellingsabiliteit aangeven.

Een volledig beheerde vector database service specifiek ontworpen voor machine learning applicaties, met serverloze similarity search op schaal.

Techniek in transformer-modellen om informatie over tokenposities toe te voegen aan verder volgorde-ongevoelige embeddings.

De initiële trainingsfase van een groot taalmodel op massale tekstcorpora om algemene taalpatronen, wereldkennis en redeneervermogen te leren vóór taakspecifieke fine-tuning.

Een aanpak waarbij privacy en gegevensbescherming vanaf het ontwerp in systemen worden ingebouwd.

De tekstinvoer of instructie die aan een taalmodel wordt gegeven om de responsgeneratie te sturen.

Een aanvalstechniek waarbij kwaadaardige instructies worden ingevoegd in LLM-inputs om systeemprompts te overschrijven, guardrails te omzeilen of modelgedrag op onbedoelde manieren te manipuleren.

Het verwijderen van onnodige gewichten of neuronen uit neurale netwerken om modelgrootte en rekenkosten te verminderen zonder significant nauwkeurigheidsverlies.

Quantized LoRA - combineert 4-bit quantisatie met LoRA adapters, waardoor 65B+ modellen fine-tunen op een enkele 48GB GPU mogelijk wordt.

Het verlagen van modelprecisie van 32/16-bit naar 8/4-bit, wat geheugengebruik drastisch vermindert en inferentie versnelt.

Technieken die automatisch zoekqueries herformuleren of uitbreiden om retrieval te verbeteren door synoniemen, gerelateerde termen of herformuleringen toe te voegen.

Het herschrijven van een gebruikersvraag naar een vorm die beter werkt voor retrieval.

Querybegrip is hoe een zoeksysteem de betekenis van een query interpreteert (entiteiten, intent, ambiguïteit) vóór retrieval en ranking.

Controleren dat wijzigingen in modellen of pipelines bestaand gedrag niet onbedoeld verslechteren.

Een machine learning aanpak waarbij agents optimaal gedrag leren door trial-and-error interacties met een omgeving.

Het toekennen van numerieke scores die aangeven hoe goed een resultaat bij een query past.

Relevantie-afstemming is het systematisch verbeteren van ranking door signalen, gewichten en regels aan te passen op basis van metingen en evaluatie.

Een tweede-fase retrievaltechniek die initiële zoekresultaten herordent om relevantie te verbeteren met geavanceerdere modellen.

De mate waarin een retrievalsysteem alle informatie kan bovenhalen die nodig is om vragen in een domein te beantwoorden.

Regels of metadatafilters toepassen om te beperken welke documenten voor een query kunnen worden opgehaald.

De tijd die een retrievalsysteem nodig heeft om resultaten voor een query terug te sturen.

Het coördineren van meerdere retrievalstappen, indices of tools om één AI‑taak of query te bedienen.

Een geordende reeks stappen die een query en documenten verwerken om gerangschikte resultaten terug te geven in een RAG- of zoeksysteem.

Het deel van de opgehaalde documenten dat daadwerkelijk relevant is voor de query.

Het deel van alle echt relevante documenten dat een retrievalsysteem weet terug te vinden.

De berekening van numerieke relevantiescores voor documenten of chunks gegeven een query.

RAG is een AI-techniek die informatieopvraging combineert met tekstgeneratie om nauwkeurige, brongebaseerde antwoorden te produceren.

Het deel van een RAG-systeem dat relevante documenten of chunks zoekt en rangschikt vóór de generatie.

Reinforcement Learning from Human Feedback—een techniek om taalmodellen te fine-tunen met menselijke voorkeuren als beloningssignalen.

Een toegangsmodel waarbij rechten aan rollen worden toegekend, niet direct aan individuele gebruikers.

Gestructureerde annotaties die beschrijven wat een pagina of element voorstelt.

Een mechanisme waarbij elk element in een sequentie attention-gewichten berekent met alle andere elementen in dezelfde sequentie.

Het groeperen van embeddings in clusters op basis van semantische gelijkenis.

Het rangschikken van resultaten op basis van semantische relevantie in plaats van alleen trefwoorden.

Zoektechnologie die betekenis en intentie begrijpt in plaats van alleen trefwoorden te matchen, voor relevantere en intelligentere resultaten.

Een maat voor hoe vergelijkbaar twee stukken tekst zijn qua betekenis, ongeacht de specifieke woorden die worden gebruikt.

Semantische uitbreiding verbreedt een query met verwante termen of betekenissen (synoniemen, entiteiten, embeddings) om recall te verhogen zonder intent te verliezen.

Een taal-agnostische subwoord-tokenizer die een vocabulaire direct uit ruwe tekst leert.

Zoektechnieken die de meest gelijkende items in een embeddingsruimte terugvinden.

Een chunkstrategie waarbij overlappende vensters over een document schuiven om context tussen chunks te behouden.

De ordening van bronnen op niveau (wet, besluit, leidraad, blog) en autoriteit.

Informatieophaling met hoogdimensionale sparse vectoren gebaseerd op termfrequenties, zoals BM25 en TF-IDF.

Het testen van hoe een AI-systeem zich gedraagt onder extreme of gedegradeerde omstandigheden.

Data die in duidelijke velden en types is georganiseerd, bijvoorbeeld tabellen of records.

Een machine learning aanpak waarbij modellen leren van gelabelde trainingsdata om outputs voor nieuwe inputs te voorspellen.

Het verborgen of vaste instructieblok dat het algemene gedrag en de beperkingen van een LLM in een toepassing bepaalt.

De hiërarchische ordening en structuur van inhoud zodat gebruikers en systemen informatie terugvinden.

Een parameter die de willekeurigheid van taalmodeloutputs regelt, en creativiteit versus consistentie beïnvloedt.

Indexering die toelaat op tijdsdimensies te filteren en te redeneren (versies, geldigheid).

Term Frequency-Inverse Document Frequency - een statistische maat voor woordbelang in een document ten opzichte van een collectie.

Mechanismen die bepalen wie toegang heeft tot welke data, systemen of acties.

Het proces van het opsplitsen van tekst in kleinere eenheden (tokens) die taalmodellen kunnen verwerken en begrijpen.

Het ontwerppatroon waarbij LLM's beslissen wanneer en hoe externe tools worden aangeroepen om taken uit te voeren.

Een samplingmethode die tokenselectie beperkt tot de k meest waarschijnlijke volgende tokens bij elke generatiestap.

Een samplingmethode die selecteert uit de kleinste set tokens waarvan de cumulatieve kans een drempel p overschrijdt.

Tracking van bronactualiteit legt vast hoe actueel elke bron is (versie, laatste update, geldigheidsdata) zodat retrieval mee evolueert met veranderend recht.

Een neurale netwerkarchitectuur die self-attention gebruikt om sequentiële data parallel te verwerken, de basis van moderne LLM's.

Het vermogen om te begrijpen, interpreteren en uitleggen hoe AI/ML-modellen voorspellingen maken—essentieel voor vertrouwen, debugging, regelgevingscompliance en verantwoorde AI-inzet.

Een machine learning aanpak waarbij modellen patronen en structuur in data ontdekken zonder gelabelde voorbeelden.

Een gespecialiseerde database geoptimaliseerd voor het opslaan en doorzoeken van hoogdimensionale vector embeddings met similariteitsmetrieken.

Het schalen van embeddings naar een vaste norm, vaak eenheidsvectoren, om vergelijkingen stabieler te maken.

Een compressietechniek die continue embeddings afbeeldt op een beperkt aantal codewoorden.

Numerieke vectorvoorstellingen van tekst of andere data waarmee semantische gelijkenis kan worden gemeten.

Het bouwen van datastructuren die snelle similarity search over embeddings mogelijk maken.

Verantwoorde AI is het ontwerpen, inzetten en beheren van AI-systemen op een wettige, ethische en veilige manier, met duidelijke verantwoordelijkheid.

Een wiskundige functie die meet hoe ver de voorspellingen van een model afwijken van de gewenste outputs tijdens training.

Versiebeheer over content, schema’s en configuratie in zoek- en kennissystemen.

Vindbaarheid van content is hoe makkelijk content gevonden, benaderd en geïndexeerd kan worden door zoeksystemen (intern of extern).

Een open-source vectordatabase die vector search combineert met gestructureerde datafiltering en ingebouwde machine learning-modules—maakt semantisch zoeken, RAG en AI-native applicaties mogelijk.

Weging van bronbetrouwbaarheid geeft meer invloed aan betrouwbare bronnen zodat retrieval en antwoorden officiële, kwaliteitsvolle bronnen prioriteren.

Het Wetboek van de Inkomstenbelastingen (WIB) is de primaire wetgeving die de inkomstenbelasting in België regelt.

Een machine learning vermogen waarbij modellen taken uitvoeren zonder taak-specifieke voorbeelden, puur vertrouwend op voorgetrainde kennis en natuurlijke taalinstructies.

Zoekanalyse is het meten en analyseren van zoekgedrag en prestaties (queries, kliks, nulresultaten, tevredenheid) om search te verbeteren.

Zoekintentie is het onderliggende doel achter een zoekopdracht (wat de gebruiker wil bereiken) en stuurt ranking en resultaattypes.