Voyage AI: Voyage 3 Large

Voyage 3 Large es un modelo de vectorización de texto para encontrar información pertinente en una colección de documentos. Representa cada texto proporcionado como un vector numérico, lo que permite a una aplicación comparar una búsqueda con fragmentos cuya redacción puede ser distinta, pero cuyo significado está relacionado. Voyage AI presenta esta edición para la recuperación de información de propósito general y multilingüe, con material como documentación técnica, conversaciones y documentos largos.

Construye la colección consultable a partir de la información que las personas realmente necesitan recuperar. Para una base de conocimiento de productos, conserva la explicación de una función junto con sus requisitos previos y las excepciones pertinentes. Para actas de reuniones, conserva las etiquetas de los participantes y suficiente conversación alrededor para que el tema se entienda. Divide una fuente extensa por límites útiles y conserva el título de origen, el identificador del documento y la posición del fragmento junto a cada vector.

Prepara una pregunta de búsqueda como consulta y el material indexado como documentos. En el proceso de vectorización de texto del fabricante, el tipo de entrada indica al modelo la función del texto en la recuperación. Una consulta como «¿Cómo puede un miembro recuperar el acceso tras perder una llave de seguridad?» puede compararse con fragmentos de asistencia que describan el procedimiento de recuperación, aunque utilicen otra redacción. Mantén disponible el fragmento original para que el resultado de búsqueda pueda mostrar las pruebas que respaldan su coincidencia.

El modelo tiene una ventana de contexto de 32.000 tokens. Una entrada larga puede conservar una sección completa, pero un documento entero no siempre es la unidad de búsqueda más útil. Un vector amplio puede señalar el archivo correcto y dejar al lector la tarea de encontrar la respuesta precisa. Elige los límites de los fragmentos en función del resultado que quieras mostrar y conserva los encabezados, las condiciones y las definiciones junto con el contenido que explican.

Voyage 3 Large admite vectores de 2.048, 1.024, 512 o 256 dimensiones. El fabricante también documenta representaciones de coma flotante, de ocho bits con o sin signo y binarias. Estas opciones permiten que un sistema de recuperación compare el detalle de los vectores con el tamaño del índice y el comportamiento de búsqueda. Selecciona el formato admitido por el almacén vectorial previsto y evalúalo con el corpus real y preguntas representativas antes de elegir los ajustes del índice de producción.

Para una búsqueda multilingüe, incluye preguntas de prueba en los idiomas que utilizan tus usuarios y revisa los fragmentos recuperados en su idioma original. Una interfaz de búsqueda compartida puede atender a varias colecciones de idiomas, mientras que los metadatos del documento siguen identificando el idioma y la versión de origen. Conserva los nombres significativos, las abreviaturas y los términos del ámbito durante la extracción, en lugar de sustituirlos por un resumen genérico antes de vectorizar.

Utiliza los vectores para recuperar fragmentos candidatos para una página de búsqueda, un asistente de conocimiento o un paso de selección de documentos. Mantén el mismo modelo y los mismos ajustes vectoriales para la colección indexada y sus consultas. Al sustituir un modelo de vectorización o cambiar las dimensiones vectoriales, reconstruye y compara deliberadamente el índice afectado; la longitud de un vector por sí sola no identifica cómo se produjo.

Evalúa el resultado por la utilidad de la recuperación: si aparece el fragmento correcto, si otros fragmentos cercanos pero engañosos se sitúan por encima y si el extracto mostrado contiene la respuesta. Conserva un pequeño conjunto de preguntas reales con sus fuentes esperadas, incluida redacción ambigua y documentos casi duplicados. La vectorización proporciona una representación consultable; la aplicación conserva el texto de origen, los permisos y los enlaces necesarios para convertir una coincidencia en un resultado utilizable.