tofu, keto, Rhubarb: Die Subchunk-Verfeinerungs-Signale

01Was sind tofu, keto und Rhubarb?

tofu, keto und Rhubarb sind Codenamen für Verfeinerungssignale. Sie verfeinern die Qualitätsschätzung auf einer sehr granularen Ebene: einzelne Unterabschnitte (Subchunks) einer Seite. Ihre genaue Funktion ist im verfügbaren Material nicht vollständig dokumentiert. Das macht sie zum schwächsten Beweis in der gesamten Matrix.

Die Namen folgen Googles lebensmittelbasierter Benennungskonvention: tofu (Soja), keto (Ernährung), Rhubarb (Gemüse). Google verwendet diese Konvention für interne Systeme, die für Endnutzer nicht sichtbar sind. Die Namen sind interne Bezeichner, keine beschreibenden Labels.

IS-Calibration (System 12) speist tofu, keto und Rhubarb. Bewertungen menschlicher Rater kalibrieren sie also, dieselbe Ground Truth, die auch chard und OriginalContentScore kalibriert. Die Verbindung zu IS-Calibration ist der stärkste Beweis für diese Systeme: Sie sind Teil der Qualitätskalibrierungskette, auch wenn ihre spezifische Funktion unklar bleibt.

02Subchunk-Level-Verfeinerung

Das Konzept der 'Subchunks' ist architektonisch bedeutsam. Google bewertet eine Seite nicht als einzelne Einheit. Es teilt sie in Unterabschnitte auf und bewertet jeden Unterabschnitt unabhängig. Ein langer Artikel könnte eine Einleitung, drei Hauptabschnitte und einen Schluss haben. Jeder davon ist ein Subchunk.

Die Bewertung auf Subchunk-Ebene bedeutet, dass eine Seite mit einem hervorragenden und drei mittelmäßigen Abschnitten anders bewertet wird als eine Seite mit vier guten Abschnitten. Die Subchunk-Bewertungen aggregieren sich zum Bewertungswert auf Seitenebene. Dieser Wert fließt in NSR (System 7) zur Aggregation auf Site-Ebene ein.

Das Feld Subchunk-Deltas misst die Differenz zwischen den Subchunk-Bewertungen. Eine hohe Varianz zwischen Subchunks (ein hervorragender, drei schlechte) könnte auf eine Seite hinweisen, die teilweise generiert oder teilweise kopiert wurde: Ein Mensch verfasste den hervorragenden Subchunk, die schlechten wurden generiert.

03tofu/keto in der Ranking-Architektur

Diese Signale sind indirekt für Expertise (Exp: indirect) und Vertrauen (T: indirect). Das indirekte Expertise-Signal ergibt sich daraus, dass die Verfeinerung auf Subchunk-Ebene ein Modell erfordert, das Qualität auf Abschnittsebene beurteilen kann. Das ist eine anspruchsvollere Bewertung als das Scoring ganzer Seiten.

Das indirekte Vertrauenssignal ergibt sich aus der Verbindung zur IS-Calibration. Wenn Rater einer Seite vertrauen, spiegeln die Subchunk-Signale dieses Vertrauen auf Abschnittsebene wider. Ein Abschnitt, den Rater als nicht vertrauenswürdig eingestuft haben (z. B. weil er ungeprüfte Behauptungen enthält), erhält einen niedrigeren Subchunk-Score.

Die schwächste Quelle in der Matrix liegt hier. NavBoost ([A] DOJ, [P] patent), Panda ([P] patent, [A] DOJ) und chard ([B] leak, [O] QRG) haben jeweils mehrere Quellen. Die tofu/keto/Rhubarb-Signale haben nur [B] (Existenz von Codenamen) und [C] (Funktionsableitung). Es gibt kein Patent, keine DOJ-Aussage und keine offizielle Kommunikation.

04Quellen