Cohere: Rerank 4 Pro

Cohere Rerank 4 Pro ist das qualitätsorientierte Modell in Coheres Rerank-4-Familie. Es bewertet Kandidatendokumente anhand einer Suchanfrage und gibt ihre Relevanzrangfolge und Werte zurück. Das Modell ist für komplexe Suchaufgaben einschließlich mehrsprachiger Dokumente und semistrukturierter Informationen vorgesehen. Es passt in einen Suchablauf oder einen durch Informationsabruf ergänzten Ablauf, nachdem ein bestehendes System Kandidaten gesammelt hat: Das Ergebnis hilft bei der Auswahl der Textstellen, die angezeigt oder als Belege an die nächste Stufe übergeben werden sollen.

Die Herstellerkennung lautet rerank-v4.0-pro, getrennt von rerank-v4.0-fast und rerank-v3.5. Pro ist für komplexe Fälle positioniert, bei denen Suchqualität Vorrang hat, während Fast auf geringere Latenz und höheren Durchsatz zielt. Beide Rerank-4-Editionen verwenden einen Kontext von 32.768 Tokens. Die Suchanfrage und ein Kandidatendokument teilen sich dieses Budget; es ist weder ein eigenes vollständiges Fenster für jedes Eingabefeld noch eine Grenze für den gesamten gespeicherten Suchkorpus.

Stellen Sie eine klare Suchanfrage und die Liste der Kandidatentextzeichenfolgen bereit. Jedes zurückgegebene Ergebnis enthält den ursprünglichen Dokumentindex und einen Relevanzwert; top_n kann die Anzahl der zurückgegebenen sortierten Ergebnisse festlegen. Ohne diese Angabe liefert der Hersteller alle Ergebnisse zurück. Bewahren Sie neben jeder Eingabe eine Quellenkennung, damit die Rangfolge mit der genauen Textstelle verbunden werden kann. Fragen Sie bei einem Supportanliegen nach den erforderlichen Bedingungen und stellen Sie die Kandidatenabschnitte der Richtlinie bereit, statt zu erwarten, dass der Reranker nicht aufgelistete Richtlinien findet.

Das Modell unterstützt mehr als 100 Sprachen und kann englisches und nicht englisches Material neu ordnen. Nennen Sie bei einer Suchanfrage mit mehreren Anforderungen die Bedingungen, die eine Textstelle hilfreich machen, etwa Produkt, Situation und benötigtes Verfahren. Für semistrukturierte Datensätze empfiehlt Cohere YAML-Zeichenfolgen statt roher Objekte in der V2-Dokumentliste. Halten Sie aussagekräftige Felder wie Titel und Inhalt in einer bewusst gewählten Reihenfolge, weil Abschneiden spätere Felder entfernen kann. Diese Vorbereitung ist für Produktdatensätze, Nachrichten und Dokumentmetadaten ebenso hilfreich wie für gewöhnliche Prosa.

Der modellspezifische Vorbereitungsleitfaden begrenzt die Rerank-4-Suchanfrage auf die ersten 16.384 Tokens. Er beschreibt die Verarbeitung längerer Dokumente in Abschnitten, die sich den Kontext von 32.768 Tokens mit Suchanfrage und reservierten Tokens teilen. Die aktuelle V2-Referenz setzt max_tokens_per_doc separat standardmäßig auf 4.096 und gibt an, dass längere Dokumentzeichenfolgen auf diese Einstellung gekürzt werden. Behandeln Sie Modellfenster und Dokumentkürzung der Herstelleranfrage als unterschiedliche Einstellungen. Bereiten Sie knappe relevante Textstellen vor oder wählen Sie ein angemessenes Dokumentbudget, statt anzunehmen, jede lange Quelle werde immer vollständig gelesen.

Für die empfohlene Anfrageleistung rät Cohere davon ab, mehr als 1.000 Dokumente auf einmal zu senden. Bewahren Sie Kandidatenkennungen, wenn Sie eine größere Liste in überschaubare Gruppen aufteilen. Relevanzwerte werden zwischen 0 und 1 normalisiert, hängen aber von Suchanfrage und Kandidaten ab; sie sind kein lineares Maß für sachliche Richtigkeit. Verwenden Sie die Rangfolge als primäres Suchergebnis. Legen Sie beim Filtern nach einem Schwellenwert diesen anhand repräsentativer Anfragen und grenzwertig relevanter Textstellen aus dem tatsächlichen Fachgebiet fest, statt einen universellen Grenzwert anzunehmen.

Ein nützliches Endergebnis ist eine sortierte Kandidatenliste mit Quellenkennungen und Werten, bereit für ein Suchergebnis oder einen Schritt zur Belegauswahl. Ein Dokument mit hohem Relevanzwert kann weiterhin veraltete oder falsche Informationen enthalten; bewahren Sie daher Quelle und Inhalt für die Stufe auf, die es verwendet. Der Zweck von Pro ist Relevanzbeurteilung, nicht das Schreiben einer frei formulierten Antwort oder das Erzeugen von Embeddings. Halten Sie die genaue Pro-Edition beim Vergleichen oder Verfeinern eines Suchablaufs mit dem Ergebnis verbunden.