jina-reranker-v2-base-multilingual

Jina Reranker v2 Base Multilingual er en model til tekstrangering i andet trin af informationshentning. Giv den en forespørgsel og kandidatdokumenter eller -passager; den vurderer hvert forespørgsel–dokument-par og returnerer en relevansscore. Det nyttige resultat er et bedre sorteret kandidatsæt til søgning eller en arbejdsgang understøttet af informationshentning. Den skriver ikke svaret på forespørgslen og opretter ikke dokumentembeddings.

Forbered forespørgslen og kandidatpassagerne

Skriv forespørgslen, så den angiver informationsbehovet. Lever derefter de tekster, som et tidligere trin til informationshentning har fundet. Bevar en stabil identifikator ved hver kandidat, så dens relevansscore kan knyttes til det oprindelige dokument, afsnit eller den oprindelige post.

Ved en supportsøgning skal du bruge det faktiske spørgsmål og kandidatuddrag, der indeholder den relevante fremgangsmåde. En forespørgsel om nulstilling af en bestemt enhed bør kombineres med passager, der bevarer enhedsnavn, version og betingelser for nulstilling. En passage, der blot nævner enheden, kan være mindre nyttig end en, der forklarer den ønskede handling. Lever det indhold, modellen skal sammenligne, frem for kun en dokumenttitel.

Brug sammenhængende passager. En tabeloverskrift, definition eller undtagelse kan ændre, hvordan et afsnit relaterer sig til forespørgslen, så fjern den ikke blot for at gøre alle kandidater lige korte. Genrangeringsmodellen vurderer leverede kandidater; den kan ikke genskabe et relevant dokument, som det tidligere søgetrin udelod.

Scoring af forespørgsel–dokument-par

Dette er en cross-encoder: forespørgslen og en kandidattekst behandles sammen. Den direkte scoringsgrænseflade returnerer en relevansscore som decimaltal for hvert tilsvarende par. Højere scorer angiver større relevans i den pågældende sammenligning. Scoren er et rangeringssignal frem for en genereret forklaring eller et bevis på, at dokumentet er sandt.

Producenten tilbyder også en hjælpefunktion til genrangering, der returnerer sorterede dokumenter med deres scorer. En indstilling for topresultater vælger, hvor mange rangerede kandidater der skal bevares. Bevar deres identifikatorer og tekst, når de sendes videre til næste trin. Ved en arbejdsgang til spørgsmål og svar har den efterfølgende model stadig brug for forespørgslen og den valgte dokumentation; den rangerede liste er ikke i sig selv et besvaret spørgsmål.

Når du sammenligner ændringer i informationshentning, skal du holde forespørgslen og evalueringskriterierne faste. Undersøg, om de passager, der løftes til toppen, faktisk indeholder de ønskede oplysninger. Indstil eventuelle filtreringstærskler ud fra eksempler fra din egen samling i stedet for at betragte en relevansscore som et universelt mål for svarkorrekthed.

Modelvindue og længere dokumenter

Modellen understøtter en kontekstlængde på op til 1.024 tokens. Dens dokumenterede hjælpefunktion rerank() håndterer længere dokumenter med en glidende vinduestilgang, scorer delene separat og kombinerer dem til resultater på dokumentniveau. Opdeling i blokke er denne hjælpefunktions adfærd; den bør ikke forveksles med et enkelt modelinput med et ubegrænset kontekstvindue.

Hjælpefunktionen stiller indstillinger for forespørgselslængde og bloklængde samt en overlapindstilling til rådighed. Dens dokumenterede standardoverlap er 80. Det offentliggjorte brugseksempel angiver en maksimal forespørgselslængde på 512 og en bloklængde på 1.024; det er eksempelindstillinger for hjælpefunktionen, som bør holdes adskilt fra et løfte om, at alle kaldere eller ruter bruger dem.

Ved en lang manual skal du bevare tilstrækkelig omkringliggende tekst til, at en instruktion og dens betingelser optræder sammen. Når du vurderer resultatet, skal du undersøge den relevante del af et højt rangeret dokument frem for at antage, at alle dets afsnit besvarer forespørgslen lige godt.

Flersproget og specialiseret tekstsøgning

V2-modellen er flersproget. Producentens eksempler rangerer engelske forespørgsler mod engelske, tyske, spanske, kinesiske og japanske passager. Det understøtter en samling, hvor relevant materiale er skrevet på flere sprog, uden at hver kandidat først skal oversættes til forespørgslens sprog.

Det dokumenterede opgaveomfang omfatter også kodesøgning og rangering af tekstrepræsentationer relateret til funktioner eller SQL. Det er fortsat relevansrangeringsopgaver: modellen vurderer den leverede tekst. Den udfører ikke en funktion, kører ikke SQL og producerer ikke et værktøjsresultat, blot fordi den slags kandidater findes i søgesættet.

Udgave og praktiske grænser

Hold denne v2 Base Multilingual-profil adskilt fra Jinas tidligere rent engelske genrangeringsmodel, Jina Reranker v3 og multimodale genrangeringsprofiler. Det er forskellige modeller med forskellige opgave- og inputegenskaber. Denne profils input er forespørgsel–tekst-par; billed- eller videoindhold kræver sin egen egnede repræsentation eller model.

Producentens referenceimplementering understøtter direkte scorer og en hjælpefunktion til dokumentrangering med valgfri accelereret attention. Disse implementeringsvalg påvirker, hvordan input forberedes og behandles; de fastslår ikke, at alle integrationer stiller identiske indstillinger til rådighed.

Brug det rangerede output til flersproget søgning, supportvidensbaser, dokumenthentning og udvælgelse af dokumentation før generering. Gennemgå de øverste passager, bevar den oprindelige kandidatmapping, og skeln mellem relevans og faktuel gyldighed. Et nyttigt søgeresultat bringer den rigtige leverede dokumentation frem og overlader næste opgave — at svare, opsummere eller beslutte — til den passende arbejdsgang.