Cohere: Rerank v3.5

Cohere: Rerank v3.5 ist ein Reranking-Modell von Cohere, aufgeführt unter der Kategorie rerank. Es wird von Cohere erstellt und auf api14 durch die Modell-ID cohere/rerank-v3.5 identifiziert. Anstatt Freitext zu generieren, ist das Modell darauf ausgelegt, Suchergebnisse neu zu ordnen, sodass die relevantesten Elemente zuerst erscheinen.

Das Modell nimmt Text als Eingabe und erzeugt eine Rerank-Ausgabe. Seine Kontextlänge beträgt 4096 Token, und die maximale Ausgabe beträgt 3686. Cohere beschreibt Rerank v3.5 als darauf ausgelegt, Suchergebnisse für verbesserte Relevanz neu zu ordnen, mit Unterstützung für Reranking multi-aspektiger und halbstrukturierter Daten über mehr als 100 Sprachen hinweg. Es arbeitet mit Texteingabe und gibt neu geordnete Ergebnisse statt Prosa zurück, was beeinflusst, wie Sie die Integration erwarten sollten.

Die praktischen Anwendungsfälle ergeben sich direkt aus diesem Verhalten. Rerank v3.5 eignet sich zur Verfeinerung von Ergebnissen aus semantischer Suche oder Schlüsselwortsuche, wobei ein anfänglicher Retrieval-Schritt eine Kandidatenmenge zurückgibt und der Reranker diese Kandidaten nach Relevanz neu ordnet. Da es multi-aspektige und halbstrukturierte Daten verarbeitet und über 100 Sprachen abdeckt, kann es in mehrsprachigen Suchpipelines und in Konfigurationen verwendet werden, in denen Datensätze mehrere Felder oder Attribute tragen, die für die Relevanz wichtig sind. Häufige Muster umfassen die Verbesserung der Reihenfolge von Dokumenten, die von einer Vektorsuche oder einer Schlüsselwortsuche zurückgegeben werden, bevor diese Ergebnisse einem Benutzer angezeigt oder an einen anderen Schritt übergeben werden.

Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID cohere/rerank-v3.5 auf. Den Modellmetadaten zufolge ist die Liste der unterstützten Parameter leer, sodass für dieses Modell keine Anfrageparameter über die hinaus dokumentiert sind, die die API selbst erfordert. Planen Sie Ihre Integration um die Modell-ID und den Ablauf von Texteingabe zu Rerank-Ausgabe herum, und gehen Sie nicht davon aus, dass hier abstimmbare Sampling- oder ähnliche Parameter verfügbar sind.

Angesichts der Kontextlänge von 4096 Token und der ausschließlich auf Reranking ausgerichteten Ausgabe eignet sich dieses Modell für Retrieval- und Sortieraufgaben statt für Generierung, Zusammenfassung oder Chat. Wenn Sie ein Modell benötigen, das Text schreibt, ein langes Gespräch führt oder Nicht-Text-Eingaben verarbeitet, würde ein anderes Modell auf api14 besser passen.