jina-reranker-v2-base-multilingual

Το Jina Reranker v2 Base Multilingual είναι μοντέλο κατάταξης κειμένων για το δεύτερο στάδιο ανάκτησης. Δώστε του ένα ερώτημα και υποψήφια έγγραφα ή αποσπάσματα· αξιολογεί κάθε ζεύγος ερωτήματος–εγγράφου και επιστρέφει βαθμολογία συνάφειας. Το χρήσιμο αποτέλεσμα είναι ένα καλύτερα ταξινομημένο σύνολο υποψηφίων για αναζήτηση ή ροή ενισχυμένη με ανάκτηση. Δεν γράφει την απάντηση στο ερώτημα ούτε δημιουργεί ενσωματώσεις εγγράφων.

Προετοιμάστε το ερώτημα και τα υποψήφια αποσπάσματα

Γράψτε το ερώτημα ώστε να δηλώνει την ανάγκη πληροφόρησης. Στη συνέχεια παρέχετε τα κείμενα που έχει βρει ένα προηγούμενο βήμα ανάκτησης. Κρατήστε ένα σταθερό αναγνωριστικό δίπλα σε κάθε υποψήφιο ώστε η βαθμολογία συνάφειάς του να μπορεί να συνδεθεί με το αρχικό έγγραφο, την ενότητα ή την εγγραφή.

Για αναζήτηση υποστήριξης, χρησιμοποιήστε το πραγματικό ερώτημα και υποψήφια αποσπάσματα που περιέχουν τη σχετική διαδικασία. Ένα ερώτημα για επαναφορά συγκεκριμένης συσκευής πρέπει να συνδυάζεται με αποσπάσματα που διατηρούν το όνομα της συσκευής, την έκδοση και τις συνθήκες επαναφοράς. Ένα απόσπασμα που απλώς αναφέρει τη συσκευή μπορεί να είναι λιγότερο χρήσιμο από ένα που εξηγεί τη ζητούμενη ενέργεια. Παρέχετε το περιεχόμενο που χρειάζεται να συγκρίνει το μοντέλο, όχι μόνο τίτλο εγγράφου.

Χρησιμοποιήστε συνεκτικά αποσπάσματα. Μια επικεφαλίδα πίνακα, ένας ορισμός ή μια εξαίρεση μπορούν να αλλάξουν τον τρόπο με τον οποίο μια παράγραφος σχετίζεται με το ερώτημα, επομένως μην τα αφαιρείτε μόνο για να έχουν όλοι οι υποψήφιοι εξίσου μικρό μήκος. Ο ανακατατάκτης αξιολογεί τους παρεχόμενους υποψηφίους· δεν μπορεί να ανακτήσει σχετικό έγγραφο που παρέλειψε το προηγούμενο στάδιο ανάκτησης.

Βαθμολόγηση ερωτήματος–εγγράφου

Πρόκειται για μοντέλο cross-encoder: το ερώτημα και ένα υποψήφιο κείμενο υποβάλλονται μαζί σε επεξεργασία. Η διεπαφή άμεσης βαθμολόγησης επιστρέφει βαθμολογία συνάφειας κινητής υποδιαστολής για κάθε αντίστοιχο ζεύγος. Υψηλότερες βαθμολογίες υποδεικνύουν μεγαλύτερη συνάφεια σε αυτή τη σύγκριση. Η βαθμολογία είναι σήμα κατάταξης, όχι παραγόμενη εξήγηση ή απόδειξη ότι το έγγραφο είναι αληθές.

Ο κατασκευαστής παρέχει επίσης βοήθημα ανακατάταξης που επιστρέφει ταξινομημένα έγγραφα με τις βαθμολογίες τους. Μια ρύθμιση κορυφαίων αποτελεσμάτων επιλέγει πόσους καταταγμένους υποψηφίους θα διατηρήσει. Κρατήστε τα αναγνωριστικά και το κείμενό τους όταν τα περνάτε στο επόμενο στάδιο. Για ροή απάντησης ερωτημάτων, το επόμενο μοντέλο εξακολουθεί να χρειάζεται το ερώτημα και τα επιλεγμένα τεκμήρια· η ίδια η καταταγμένη λίστα δεν είναι απαντημένο ερώτημα.

Όταν συγκρίνετε αλλαγές ανάκτησης, κρατήστε σταθερά το ερώτημα και τα κριτήρια αξιολόγησης. Επιθεωρήστε αν τα αποσπάσματα που προωθούνται στην κορυφή περιέχουν πράγματι τις ζητούμενες πληροφορίες. Ορίστε οποιοδήποτε όριο φιλτραρίσματος χρησιμοποιώντας παραδείγματα από τη δική σας συλλογή, αντί να αντιμετωπίζετε μια βαθμολογία συνάφειας ως καθολικό μέτρο ορθότητας απάντησης.

Παράθυρο μοντέλου και μεγαλύτερα έγγραφα

Το μοντέλο υποστηρίζει μήκος πλαισίου έως 1.024 token. Το τεκμηριωμένο βοήθημα rerank() χειρίζεται μεγαλύτερα έγγραφα με προσέγγιση κυλιόμενου παραθύρου, βαθμολογεί τα τμήματα χωριστά και τα συνδυάζει σε αποτελέσματα επιπέδου εγγράφου. Ο διαχωρισμός σε τμήματα είναι συμπεριφορά αυτού του βοηθήματος· δεν πρέπει να συγχέεται με μία είσοδο μοντέλου που έχει απεριόριστο παράθυρο πλαισίου.

Το βοήθημα εκθέτει ρυθμίσεις μήκους ερωτήματος και τμήματος και μια ρύθμιση επικάλυψης. Η τεκμηριωμένη προεπιλεγμένη επικάλυψη είναι 80. Το δημοσιευμένο παράδειγμα χρήσης ορίζει μέγιστο μήκος ερωτήματος 512 και μήκος τμήματος 1.024· αυτές είναι ενδεικτικές ρυθμίσεις βοηθήματος που πρέπει να διατηρούνται διακριτές από υπόσχεση ότι κάθε καλών ή διαδρομή τις χρησιμοποιεί.

Για ένα μεγάλο εγχειρίδιο, διατηρήστε αρκετό γειτονικό κείμενο ώστε μια οδηγία και οι συνθήκες της να εμφανίζονται μαζί. Όταν αξιολογείτε το αποτέλεσμα, επιθεωρήστε το σχετικό τμήμα ενός υψηλά καταταγμένου εγγράφου αντί να θεωρείτε ότι κάθε ενότητά του απαντά εξίσου καλά στο ερώτημα.

Ανάκτηση πολυγλωσσικού και εξειδικευμένου κειμένου

Το μοντέλο v2 είναι πολυγλωσσικό. Τα παραδείγματα του κατασκευαστή κατατάσσουν αγγλικά ερωτήματα έναντι αγγλικών, γερμανικών, ισπανικών, κινεζικών και ιαπωνικών αποσπασμάτων. Αυτό υποστηρίζει μια συλλογή όπου το σχετικό υλικό είναι γραμμένο σε πολλές γλώσσες χωρίς να απαιτείται πρώτα μετάφραση κάθε υποψηφίου στη γλώσσα του ερωτήματος.

Το τεκμηριωμένο εύρος εργασιών περιλαμβάνει επίσης ανάκτηση κώδικα και κατάταξη αναπαραστάσεων κειμένου σχετικών με συναρτήσεις ή SQL. Αυτές παραμένουν εργασίες κατάταξης συνάφειας: το μοντέλο αξιολογεί το παρεχόμενο κείμενο. Δεν εκτελεί συνάρτηση, δεν τρέχει SQL ούτε παράγει αποτέλεσμα εργαλείου μόνο επειδή τέτοιοι υποψήφιοι εμφανίζονται στο σύνολο ανάκτησης.

Έκδοση και πρακτικά όρια

Διατηρήστε αυτό το προφίλ v2 Base Multilingual χωριστά από τον προηγούμενο ανακατατάκτη της Jina μόνο για αγγλικά, το Jina Reranker v3 και τα προφίλ πολυτροπικής ανακατάταξης. Είναι διαφορετικά μοντέλα με διαφορετικά χαρακτηριστικά εργασιών και εισόδων. Η είσοδος αυτού του προφίλ είναι ζεύγη ερωτήματος–κειμένου· το περιεχόμενο εικόνας ή βίντεο χρειάζεται δική του κατάλληλη αναπαράσταση ή μοντέλο.

Η υλοποίηση αναφοράς του κατασκευαστή υποστηρίζει άμεσες βαθμολογίες και βοήθημα κατάταξης εγγράφων, με προαιρετική επιταχυνόμενη προσοχή. Αυτές οι επιλογές υλοποίησης επηρεάζουν τον τρόπο προετοιμασίας και επεξεργασίας των εισόδων· δεν αποδεικνύουν ότι κάθε διασύνδεση εκθέτει πανομοιότυπες ρυθμίσεις.

Χρησιμοποιήστε την καταταγμένη έξοδο για πολυγλωσσική αναζήτηση, βάσεις γνώσεων υποστήριξης, ανάκτηση εγγράφων και επιλογή τεκμηρίων πριν από την παραγωγή. Ελέγξτε τα κορυφαία αποσπάσματα, διατηρήστε την αρχική αντιστοίχιση υποψηφίων και διακρίνετε τη συνάφεια από την πραγματολογική εγκυρότητα. Ένα χρήσιμο αποτέλεσμα ανάκτησης φέρνει μπροστά τα σωστά παρεχόμενα τεκμήρια, αφήνοντας την επόμενη εργασία —απάντηση, σύνοψη ή απόφαση— στην κατάλληλη ροή εργασίας.