jina-reranker-v2-base-multilingual

Jina Reranker v2 Base Multilingual je model pro řazení textů ve druhé fázi získávání informací. Dodejte dotaz a kandidátní dokumenty či pasáže; model vyhodnotí každý pár dotaz–dokument a vrátí skóre relevance. Užitečným výsledkem je lépe seřazená množina kandidátů pro vyhledávání nebo postup rozšířený získáváním informací. Nepíše odpověď na dotaz ani nevytváří embeddingy dokumentů.

Připravte dotaz a kandidátní pasáže

Napište dotaz tak, aby vyjadřoval informační potřebu. Poté poskytněte texty nalezené v dřívějším kroku získávání informací. Vedle každého kandidáta uchovejte stabilní identifikátor, aby bylo možné jeho skóre relevance propojit s původním dokumentem, oddílem nebo záznamem.

Pro vyhledávání v podpoře použijte skutečnou otázku a kandidátní výňatky obsahující relevantní postup. Dotaz na resetování konkrétního zařízení má být spojen s pasážemi zachovávajícími název zařízení, verzi a podmínky resetu. Pasáž, která zařízení jen zmiňuje, může být méně užitečná než pasáž vysvětlující požadovanou operaci. Dodejte obsah potřebný k porovnání, nikoli pouze název dokumentu.

Používejte soudržné pasáže. Záhlaví tabulky, definice nebo výjimka mohou měnit vztah odstavce k dotazu, proto je neodstraňujte jen kvůli stejně krátkým kandidátům. Reranker vyhodnocuje dodané kandidáty; nemůže obnovit relevantní dokument vynechaný předchozí fází získávání informací.

Hodnocení párů dotaz–dokument

Jde o cross-encoder: dotaz a kandidátní text se zpracovávají společně. Přímé hodnoticí rozhraní vrací pro každý odpovídající pár skóre relevance jako číslo s plovoucí desetinnou čárkou. Vyšší skóre v daném srovnání znamená vyšší relevanci. Skóre je signál pro řazení, nikoli generované vysvětlení nebo důkaz pravdivosti dokumentu.

Výrobce poskytuje také pomocnou funkci pro přeuspořádání, která vrací seřazené dokumenty s jejich skóre. Ovládání nejlepších výsledků vybírá počet seřazených kandidátů k zachování. Při předávání do další fáze zachovejte jejich identifikátory a text. V postupu odpovídání na otázky následující model stále potřebuje dotaz a vybrané důkazy; samotný seřazený seznam není zodpovězenou otázkou.

Při porovnávání změn získávání informací ponechte dotaz a hodnoticí kritéria stejné. Prozkoumejte, zda pasáže posunuté na vrchol skutečně obsahují požadované informace. Případný práh filtrování nastavujte pomocí příkladů z vlastní sbírky, místo abyste skóre relevance považovali za univerzální měřítko správnosti odpovědi.

Okno modelu a delší dokumenty

Model podporuje délku kontextu až 1 024 tokenů. Jeho zdokumentovaná pomocná funkce rerank() zpracovává delší dokumenty posuvným oknem, hodnotí části samostatně a spojuje je do výsledků na úrovni dokumentu. Dělení na části je chováním této funkce; nelze jej zaměňovat za jediný vstup modelu s neomezeným kontextovým oknem.

Pomocná funkce zpřístupňuje ovládání délky dotazu a části i nastavení překryvu. Zdokumentovaný výchozí překryv je 80. Zveřejněný příklad použití určuje maximální délku dotazu 512 a délku části 1 024; jde o ukázková nastavení pomocné funkce, která je třeba odlišovat od příslibu, že je používá každý volající či každá cesta.

U dlouhého návodu zachovejte dostatek okolního textu, aby pokyn a jeho podmínky zůstaly společně. Při hodnocení výsledku prozkoumejte relevantní část vysoko umístěného dokumentu místo předpokladu, že každý jeho oddíl odpovídá na dotaz stejně dobře.

Vícejazyčné a specializované získávání textů

Model v2 je vícejazyčný. Příklady výrobce řadí anglické dotazy vůči anglickým, německým, španělským, čínským a japonským pasážím. To podporuje sbírku s relevantními materiály v několika jazycích, aniž by bylo nutné nejprve přeložit každého kandidáta do jazyka dotazu.

Zdokumentované úlohy zahrnují také získávání kódu a řazení textových reprezentací souvisejících s funkcemi nebo SQL. Stále jde o řazení podle relevance: model vyhodnocuje dodaný text. Neprovádí funkci, nespouští SQL ani nevytváří výsledek nástroje jen proto, že se takové druhy kandidátů objevují v získané množině.

Edice a praktické limity

Tuto variantu v2 Base Multilingual odlišujte od dřívějšího rerankeru Jina pouze pro angličtinu, Jina Reranker v3 a multimodálních variant pro přeuspořádání. Jde o různé modely s odlišnými charakteristikami úloh a vstupů. Vstupem této varianty jsou páry dotaz–text; obrázkový nebo video obsah potřebuje vlastní vhodnou reprezentaci či model.

Referenční implementace výrobce podporuje přímá skóre a pomocnou funkci řazení dokumentů s volitelnou zrychlenou pozorností. Tyto implementační volby ovlivňují přípravu a zpracování vstupů; nedokládají, že každá integrace poskytuje totožné ovládání.

Seřazený výstup používejte pro vícejazyčné vyhledávání, znalostní báze podpory, získávání dokumentů a výběr důkazů před generováním. Zkontrolujte nejlepší pasáže, zachovejte původní mapování kandidátů a odlišujte relevanci od faktické platnosti. Užitečný výsledek získávání informací posouvá správné dodané důkazy dopředu a následující úlohu — odpověď, shrnutí či rozhodnutí — ponechává příslušnému postupu.