Cohere: Rerank v3.5

Cohere: Rerank v3.5 to model do ponownego rankingowania od Cohere, wymieniony w kategorii rerank. Został stworzony przez Cohere i jest identyfikowany na api14 przez identyfikator modelu cohere/rerank-v3.5. Zamiast generować dowolny tekst, model jest zbudowany do zmiany kolejności wyników wyszukiwania, tak aby najbardziej istotne elementy pojawiały się jako pierwsze.

Model przyjmuje tekst jako dane wejściowe i generuje wynik rerank. Jego długość kontekstu wynosi 4096 tokenów, a maksymalny wynik to 3686. Cohere opisuje Rerank v3.5 jako zaprojektowany do zmiany kolejności wyników wyszukiwania w celu poprawy trafności, z obsługą wieloaspektowego i częściowo ustrukturyzowanego ponownego rankingowania danych w ponad 100 językach. Działa na tekście wejściowym i zwraca ponownie uszeregowane wyniki, a nie prozę, co kształtuje sposób, w jaki należy oczekiwać jego integracji.

Praktyczne przypadki użycia wynikają bezpośrednio z tego zachowania. Rerank v3.5 nadaje się do dopracowywania wyników wyszukiwania semantycznego lub słów kluczowych, gdzie początkowy etap wyszukiwania zwraca zestaw kandydatów, a reranker zmienia kolejność tych kandydatów według trafności. Ponieważ obsługuje wieloaspektowe i częściowo ustrukturyzowane dane oraz obejmuje ponad 100 języków, można go stosować w wielojęzycznych potokach wyszukiwania oraz w konfiguracjach, w których rekordy zawierają kilka pól lub atrybutów istotnych dla trafności. Typowe wzorce obejmują poprawę kolejności dokumentów zwracanych przez wyszukiwanie wektorowe lub wyszukiwanie słów kluczowych, zanim te wyniki zostaną pokazane użytkownikowi lub przekazane do kolejnego etapu.

Model wywołujesz przez API zgodne z OpenAI w api14, używając identyfikatora modelu cohere/rerank-v3.5. Zgodnie z metadanymi modelu lista obsługiwanych parametrów jest pusta, więc dla tego modelu nie udokumentowano żadnych parametrów żądania poza tym, czego wymaga samo API. Zaplanuj integrację wokół identyfikatora modelu oraz przepływu od tekstu wejściowego do wyniku rerank i nie zakładaj, że dostępne są tutaj konfigurowalne próbkowanie lub podobne parametry.

Biorąc pod uwagę długość kontekstu 4096 tokenów i wynik wyłącznie typu rerank, model ten pasuje do zadań wyszukiwania i porządkowania, a nie do generowania, streszczania lub czatu. Jeśli potrzebujesz modelu, który pisze tekst, prowadzi długą rozmowę lub obsługuje dane wejściowe inne niż tekst, lepiej pasowałby inny model na api14.