हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।
mongodb/rerank-3ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।
सेटिंग्स
VoyageAI by MongoDB: rerank-3, VoyageAI by MongoDB का एक रीरैंकिंग मॉडल है। यह rerank श्रेणी में आता है और इसे rerank-2.5 के लिए ड्रॉप-इन अपग्रेड के रूप में स्थान दिया गया है, जिसका अर्थ है कि पहले से पुराने मॉडल का उपयोग करने वाली टीमें अपने इंटीग्रेशन को दोबारा बनाए बिना rerank-3 पर जा सकती हैं। यह मॉडल जनरेशन के बजाय रिट्रीवल गुणवत्ता के लिए बनाया गया है, इसलिए यह पाइपलाइन के उस हिस्से में आता है जो तय करता है कि सर्च परिणामों या उम्मीदवार पैसेज को उपयोगकर्ता या डाउनस्ट्रीम मॉडल तक पहुंचने से पहले किस क्रम में रखा जाए।
यह मॉडल इनपुट के रूप में टेक्स्ट लेता है और रीरैंकिंग आउटपुट देता है। यह 32,000 टोकन की कॉन्टेक्स्ट लंबाई का समर्थन करता है, अधिकतम आउटपुट 28,800 के साथ, जो केवल छोटे स्निपेट्स के बजाय क्वेरी के साथ लंबे उम्मीदवार पैसेज को स्कोर करने के लिए पर्याप्त जगह है। चूंकि इनपुट मोडालिटी टेक्स्ट है और आउटपुट मोडालिटी rerank है, यह मॉडल गद्य या चैट उत्तर उत्पन्न नहीं करता; यह दिए गए पैसेज का क्रम लौटाता है। इससे यह बातचीत करने वाला नहीं, बल्कि स्कोरिंग और सॉर्टिंग करने वाला घटक बनता है।
व्यावहारिक उपयोग के मामले सीधे इसी स्वरूप से निकलते हैं। एक रिट्रीवल पाइपलाइन तेज़ पहले चरण की खोज से उम्मीदवारों का एक बड़ा सेट ला सकती है, फिर बेहतर अंतिम क्रम बनाने के लिए क्वेरी और उन उम्मीदवारों को rerank-3 को भेज सकती है। यह डॉक्युमेंटेशन, आंतरिक नॉलेज बेस, सपोर्ट सामग्री, या किसी भी ऐसे कॉर्पस पर खोज में उपयोगी है जहां शीर्ष परिणाम कच्ची रिकॉल से अधिक मायने रखते हैं। यह रिट्रीवल-ऑगमेंटेड जनरेशन सेटअप में भी फिट बैठता है, जहां प्रॉम्प्ट में रखे गए पैसेज की गुणवत्ता आगे आने वाले उत्तर को प्रभावित करती है। लंबी कॉन्टेक्स्ट और लंबी आउटपुट की अनुमति इसे ऐसे संग्रहों के लिए उपयुक्त बनाती है जिनमें लंबे दस्तावेज़ शामिल हैं, क्योंकि मॉडल स्थान निर्धारित करते समय प्रत्येक उम्मीदवार के अधिक हिस्से पर विचार कर सकता है।
आप मॉडल आईडी "mongodb/rerank-3" का उपयोग करके api14 के OpenAI-संगत API के माध्यम से इस मॉडल को कॉल करते हैं। चूंकि इंटरफ़ेस OpenAI प्रारूप का पालन करता है, आप एक मौजूदा OpenAI क्लाइंट को api14 पर इंगित कर सकते हैं और अपने अनुरोध में इस मॉडल आईडी का चयन कर सकते हैं। मॉडल मॉडल आईडी के अलावा कोई समर्थित पैरामीटर सूचीबद्ध नहीं करता, इसलिए आपको temperature या top_p जैसी सैंपलिंग या जनरेशन सेटिंग्स को ट्यून करने की अपेक्षा नहीं करनी चाहिए; वे जनरेटिव मॉडल से संबंधित हैं, रीरैंकर से नहीं। क्वेरी और उम्मीदवार टेक्स्ट भेजें, और रीरैंकिंग आउटपुट पढ़ें।
यह ध्यान देने योग्य है कि rerank-3 एक रीरैंकर है, इसलिए यह तब सही विकल्प नहीं है जब आपको टेक्स्ट जनरेशन, चैट, सारांशीकरण, या एम्बेडिंग की आवश्यकता हो। यदि आपका कार्य उम्मीदवारों को क्रमबद्ध करने के बजाय उत्तर उत्पन्न करना है, तो एक जनरेटिव मॉडल बेहतर फिट बैठता है। यदि आपका कार्य वे प्रारंभिक वेक्टर प्रतिनिधित्व बनाना है जिन्हें फिर एक रीरैंकर पुनः क्रमित करता है, तो एक एम्बेडिंग मॉडल उपयुक्त घटक है। रीरैंकिंग कार्य के भीतर, rerank-3, rerank-2.5 का ड्रॉप-इन उत्तराधिकारी है, और प्रदाता उस मॉडल की तुलना में डोमेन मूल्यांकनों में औसतन 0.80% NDCG@10 और लंबे दस्तावेज़ मूल्यांकनों में 3.35% सुधार की सूचना देता है।
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.post("/rerank", { body: {
"model": "mongodb/rerank-3",
"query": "What is the capital of France?",
"documents": [
"Paris is the capital of France.",
"Berlin is in Germany."
],
"top_n": 1
} });
console.log(result.results);
इस कम्युनिटी में अभी कोई टॉपिक नहीं है। VoyageAI by MongoDB: rerank-3 के बारे में पहला टॉपिक खोलें।