Kami menggunakan cookie. Cookie dan penyimpanan browser menjaga Anda tetap masuk dan mengingat preferensi Anda. Dengan izin Anda, kami juga mengukur cara situs digunakan. Anda dapat kapan saja. Lihat kebijakan cookie kami.
mongodb/rerank-3Berjalan dengan saldo Anda sesuai harga di atas. Akun baru mendapat pemakaian gratis.
Pengaturan
VoyageAI by MongoDB: rerank-3 adalah model reranking dari VoyageAI by MongoDB. Model ini berada dalam kategori rerank dan diposisikan sebagai peningkatan drop-in untuk rerank-2.5, yang berarti tim yang sudah menggunakan model sebelumnya dapat beralih ke rerank-3 tanpa merombak integrasi mereka. Model ini dibangun untuk kualitas retrieval, bukan untuk generasi, sehingga ia termasuk dalam bagian pipeline yang menentukan bagaimana hasil pencarian atau kandidat passage harus diurutkan sebelum mencapai pengguna atau model hilir.
Model ini menerima teks sebagai input dan menghasilkan output reranking. Model ini mendukung panjang konteks 32.000 token, dengan output maksimum 28.800, yang cukup untuk menilai passage kandidat yang panjang bersama query, bukan hanya potongan pendek. Karena modalitas input adalah teks dan modalitas output adalah rerank, model ini tidak menghasilkan prosa atau balasan chat; ia mengembalikan urutan passage yang diberikan. Hal itu menjadikannya komponen penilaian dan pengurutan, bukan komponen percakapan.
Kasus penggunaan praktis mengikuti langsung dari bentuk tersebut. Pipeline retrieval dapat mengambil sekumpulan kandidat yang luas dengan pencarian tahap pertama yang cepat, lalu meneruskan query dan kandidat tersebut ke rerank-3 untuk menghasilkan urutan akhir yang lebih baik. Ini berguna dalam pencarian atas dokumentasi, basis pengetahuan internal, konten dukungan, atau korpus apa pun di mana hasil teratas lebih penting daripada recall mentah. Model ini juga cocok untuk penyiapan retrieval-augmented generation, di mana kualitas passage yang dimasukkan ke dalam prompt memengaruhi jawaban yang menyusul. Konteks panjang dan izin output yang panjang membuatnya cocok untuk koleksi yang berisi dokumen panjang, karena model dapat mempertimbangkan lebih banyak bagian dari setiap kandidat saat menetapkan posisinya.
Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "mongodb/rerank-3". Karena antarmukanya mengikuti format OpenAI, Anda dapat mengarahkan klien OpenAI yang sudah ada ke api14 dan memilih model id ini dalam permintaan Anda. Model ini tidak mencantumkan parameter yang didukung selain model id itu sendiri, jadi Anda tidak perlu mengharapkan penyetelan pengaturan sampling atau generasi seperti temperature atau top_p; parameter tersebut milik model generatif, bukan reranker. Kirim query dan teks kandidat, lalu baca kembali output reranking.
Perlu dicatat bahwa rerank-3 adalah reranker, jadi model ini bukan pilihan yang tepat ketika Anda memerlukan generasi teks, chat, peringkasan, atau embeddings. Jika tugas Anda adalah menghasilkan jawaban, bukan mengurutkan kandidat, model generatif lebih cocok. Jika tugas Anda adalah membuat representasi vektor awal yang kemudian diurutkan ulang oleh reranker, model embedding adalah komponen yang sesuai. Dalam pekerjaan reranking, rerank-3 adalah penerus drop-in untuk rerank-2.5, dan penyedia melaporkan peningkatan dibandingkan model tersebut sebesar 0,80% NDCG@10 secara rata-rata di seluruh evaluasi domain dan 3,35% pada evaluasi dokumen panjang.
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);
Komunitas ini belum memiliki topik. Buka topik pertama tentang VoyageAI by MongoDB: rerank-3.