Evaluasi 600 kasus pada dataset MuSiQue menggunakan model Qwen2.5-7B-Instruct dan MiniLM yang dibekukan menguji apakah pemilihan konteks sadar jembatan dapat mengungguli konteks penuh dan baseline lainnya.

  • Promosi jembatan semantik mencapai F1 sebesar 0,3482, melampaui BM25 (0,3113) dan inti semantik dengan promosi acak (0,3310).
  • Pendekatan ini menggunakan 16,6% lebih sedikit token input dibandingkan konteks penuh sambil mengurangi waktu prefill sebesar 15,3% dan latensi sebesar 9,6%.
  • Perbandingan bootstrap berpasangan menunjukkan peningkatan F1 yang signifikan secara statistik dibandingkan BM25 (+0,0368) dan kontrol acak (+0,0172).
  • Perbedaan antara promosi jembatan dan konteks penuh tidak konklusif, dengan delta F1 sebesar +0,0101.

Hasilnya menunjukkan bahwa promosi sadar jembatan mempertahankan bukti yang membawa ketergantungan lebih andal daripada pemendekan generik atau pemilihan leksikal.