Voyage AI: Voyage 3 Large

Voyage 3 Large er en tekstembeddingmodel til at finde relevante oplysninger på tværs af en samling dokumenter. Den repræsenterer hver leveret tekst som en numerisk vektor, så en applikation kan sammenligne en søgeanmodning med passager, hvis formulering er forskellig, men hvis betydning er beslægtet. Voyage AI positionerer denne udgave til generel og flersproget informationsgenfinding med materiale som teknisk dokumentation, samtaler og lange dokumenter.

Opbyg den søgbare samling ud fra de oplysninger, folk faktisk har brug for at genfinde. Bevar forklaringen af en funktion sammen med dens forudsætninger og relevante undtagelser i en produktvidensbase. Bevar talerbetegnelser og tilstrækkelig omgivende diskussion til, at emnet kan forstås, i mødereferater. Opdel en stor kilde ved nyttige grænser, og gem kildetitlen, dokumentidentifikatoren og passagens position sammen med hver vektor.

Forbered et søgespørgsmål som forespørgsel og indekseret materiale som dokumenter. I producentens tekstembeddingarbejdsgang angiver inputtypen tekstens rolle i genfindingen for modellen. En forespørgsel som “Hvordan kan et medlem gendanne adgang efter at have mistet en sikkerhedsnøgle?” kan derefter sammenlignes med supportpassager, der beskriver gendannelsesproceduren, selv hvis passagerne bruger andre formuleringer. Bevar originalpassagen, så søgeresultatet kan vise dokumentationen bag sit match.

Modellen har et kontekstvindue på 32.000 tokens. Et langt input kan bevare et komplet afsnit, men et helt dokument er ikke altid den mest nyttige søgeenhed. En bred vektor kan pege på den rigtige fil og stadig overlade det til læseren at finde det præcise svar. Vælg passagegrænser omkring det resultat, du vil vise, og bevar overskrifter, forbehold og definitioner sammen med det indhold, de forklarer.

Voyage 3 Large understøtter vektorer med 2.048, 1.024, 512 eller 256 dimensioner. Producenten dokumenterer også repræsentationer med flydende tal, ottebitrepræsentationer med eller uden fortegn samt binære repræsentationer. Disse valg lader et genfindingssystem sammenligne vektordetaljer med indeksstørrelse og søgeadfærd. Vælg det format, det tilsigtede vektorlager understøtter, og evaluér det derefter på det faktiske korpus og repræsentative spørgsmål, før du vælger produktionsindstillingerne for indekset.

Medtag testspørgsmål på de sprog, dine brugere anvender, ved flersproget søgning, og gennemgå de genfundne kildepassager på deres originalsprog. En fælles søgegrænseflade kan betjene flere sprogsamlinger, mens dokumentmetadata stadig identificerer kildens sprogvariant og version. Bevar meningsfulde navne, forkortelser og fagudtryk under udtræk frem for at erstatte dem med en generisk sammenfatning, før der dannes embeddings.

Brug vektorerne til at genfinde kandidatpassager til en søgeside, vidensassistent eller et dokumentudvælgelsestrin. Brug samme model og vektorindstillinger til den indekserede samling og dens forespørgsler. Genopbyg og sammenlign det berørte indeks bevidst, når en embeddingmodel erstattes, eller vektordimensionerne ændres; en vektors længde identificerer ikke alene, hvordan den blev produceret.

Vurdér resultatet ud fra nyttig genfinding: om den rigtige passage vises, om nærliggende, men vildledende passager placeres over den, og om det viste uddrag indeholder svaret. Bevar et lille sæt virkelige spørgsmål med forventede kilder, herunder tvetydig ordlyd og næsten identiske dokumenter. Embeddingen giver en søgbar repræsentation; applikationen bevarer kildeteksten, tilladelserne og de links, der kræves for at gøre et match til et brugbart resultat.