jina-reranker-v2-base-multilingual

Jina Reranker v2 Base Multilingual est un modèle de classement textuel pour la deuxième étape de récupération. Fournissez une requête et des documents ou passages candidats ; il évalue chaque paire requête-document et renvoie un score de pertinence. Le résultat utile est un ensemble de candidats mieux ordonné pour la recherche ou un flux augmenté par récupération. Il ne rédige pas la réponse à la requête et ne crée pas d’embeddings de documents.

Préparer la requête et les passages candidats

Rédigez la requête de façon à exprimer le besoin d’information. Fournissez ensuite les textes trouvés par une étape antérieure de récupération. Gardez un identifiant stable à côté de chaque candidat pour relier son score au document, à la section ou à l’enregistrement d’origine.

Pour une recherche d’assistance, utilisez la question réelle et les extraits candidats contenant la procédure pertinente. Une requête sur la réinitialisation d’un appareil particulier doit être associée à des passages conservant son nom, sa version et les conditions de réinitialisation. Un passage qui mentionne simplement l’appareil peut être moins utile qu’un passage expliquant l’opération demandée. Fournissez le contenu à comparer plutôt que le seul titre du document.

Utilisez des passages cohérents. Un titre de tableau, une définition ou une exception peuvent modifier la relation d’un paragraphe à la requête : ne les supprimez pas seulement pour donner la même longueur à tous les candidats. Le reclasseur évalue les candidats fournis ; il ne peut pas retrouver un document pertinent omis à l’étape précédente.

Évaluation des paires requête-document

Il s’agit d’un encodeur croisé : la requête et un texte candidat sont traités ensemble. L’interface de calcul direct retourne un score de pertinence à virgule flottante pour chaque paire correspondante. Un score supérieur indique une plus grande pertinence dans cette comparaison. Le score est un signal de classement, pas une explication générée ni une preuve de la véracité du document.

Le fabricant fournit aussi un utilitaire de reclassement qui retourne les documents ordonnés avec leurs scores. Une commande de nombre de meilleurs résultats choisit combien de candidats conserver. Préservez leurs identifiants et leur texte lors de la transmission à l’étape suivante. Dans un flux de réponse aux questions, le modèle suivant a encore besoin de la requête et des preuves sélectionnées ; la liste classée ne répond pas elle-même à la question.

Pour comparer des changements de récupération, gardez fixes la requête et les critères d’évaluation. Vérifiez que les passages remontés en tête contiennent réellement l’information demandée. Définissez les seuils de filtrage à partir d’exemples de votre propre collection, plutôt que de traiter un score de pertinence comme une mesure universelle de l’exactitude d’une réponse.

Fenêtre du modèle et documents longs

Le modèle prend en charge un contexte allant jusqu’à 1 024 tokens. Son utilitaire documenté rerank() traite les documents longs par fenêtre glissante, évalue les morceaux séparément et les combine en résultats au niveau du document. Le découpage est un comportement de cet utilitaire ; il ne doit pas être confondu avec une entrée unique du modèle disposant d’un contexte illimité.

L’utilitaire expose des commandes de longueur de requête et de bloc ainsi qu’un réglage de chevauchement. Le chevauchement documenté par défaut est de 80. L’exemple publié précise une longueur maximale de requête de 512 et une longueur de bloc de 1 024 ; il s’agit de réglages d’exemple de l’utilitaire, distincts d’une promesse que tous les appelants ou toutes les routes les utilisent.

Pour un manuel long, conservez assez de texte voisin pour qu’une instruction et ses conditions apparaissent ensemble. Lors de l’évaluation, examinez la portion pertinente d’un document bien classé plutôt que de supposer que toutes ses sections répondent aussi bien à la requête.

Récupération multilingue et de textes spécialisés

Le modèle v2 est multilingue. Les exemples du fabricant classent des requêtes anglaises face à des passages anglais, allemands, espagnols, chinois et japonais. Cela convient à une collection dont les documents pertinents sont écrits dans plusieurs langues, sans devoir traduire chaque candidat dans la langue de la requête au préalable.

Le périmètre documenté comprend aussi la récupération de code et le classement de représentations textuelles liées à des fonctions ou au SQL. Ces tâches restent des classements par pertinence : le modèle évalue le texte fourni. Il n’exécute ni fonction, ni SQL, et ne produit pas de résultat d’outil simplement parce que ces types de candidats figurent dans l’ensemble récupéré.

Édition et limites pratiques

Distinguez ce profil v2 Base Multilingual de l’ancien reclasseur uniquement anglais de Jina, de Jina Reranker v3 et des profils de reclassement multimodal. Ce sont des modèles différents, avec des caractéristiques de tâches et d’entrées différentes. Ce profil reçoit des paires requête-texte ; les images ou vidéos nécessitent une représentation ou un modèle adapté.

L’implémentation de référence prend en charge les scores directs et un utilitaire de classement de documents, avec attention accélérée facultative. Ces choix d’implémentation influencent la préparation et le traitement des entrées ; ils n’établissent pas que toutes les intégrations exposent des commandes identiques.

Utilisez le classement pour la recherche multilingue, les bases de connaissances d’assistance, la récupération documentaire et la sélection de preuves avant génération. Examinez les meilleurs passages, conservez la correspondance avec les candidats d’origine et distinguez pertinence et validité factuelle. Une récupération utile met en avant les bonnes preuves fournies, tout en laissant la tâche suivante — répondre, résumer ou décider — au flux adapté.