Qwen: Qwen3 Rerank

Qwen3 Rerank évalue les textes candidats au regard d’une requête et d’une instruction de classement fournies. Le sélecteur exact configuré est qwen3-rerank. Son rôle consiste à classer les candidats fournis pour la recherche d’information et la sélection de documents ; la requête regroupe la question, l’instruction et les passages candidats afin que l’évaluation de pertinence puisse être reliée à ses entrées.

Préparez documents sous la forme d’un tableau de chaînes, avec un passage candidat dans chaque entrée. Conservez séparément une correspondance entre chaque position du tableau et votre propre identifiant de document, titre ou emplacement dans la source. L’application peut ainsi relier un résultat classé au passage d’origine sans ajouter d’objets identifiants non documentés au tableau de chaînes. Pour une recherche d’assistance, les candidats peuvent être les sections pertinentes déjà extraites d’un guide produit ; la question doit exprimer le besoin d’information réel de l’utilisateur.

La requête documentée exige model, documents, query, top_n et instruct. Les champs query et instruct sont des chaînes, et top_n est un entier explicitement fourni. L’exemple publié utilise trois textes candidats, top_n=2 et une instruction visant à récupérer des passages pertinents qui répondent à une requête de recherche sur le Web. Utilisez instruct pour préciser la relation qui importe pour le classement, tout en plaçant la question réelle dans query et les éléments à évaluer dans documents.

Le guide de l’opération indique une longueur maximale d’entrée de 30K. Limitez les passages candidats au texte nécessaire pour juger leur pertinence, en conservant les titres ou le contexte proche lorsque ceux-ci modifient le sens. Préservez les limites entre les sources afin qu’un passage sélectionné puisse toujours être vérifié dans son document d’origine. Le profil exact de la requête et ses champs obligatoires restent la base de préparation de l’entrée.

Le résultat structuré renvoyé contient des entrées results avec index et relevance_score. index désigne la position du candidat dans le tableau documents d’origine, et non sa position dans la liste des résultats classés. Conservez l’ordre renvoyé et utilisez chaque index pour retrouver le texte d’entrée correspondant. Préservez chaque résultat renvoyé afin que l’application puisse examiner ensemble les candidats sélectionnés et leurs scores.

Conservez la réponse JSON complète, y compris ses valeurs model et id ainsi que usage.total_tokens. Le texte du document peut être absent de la réponse ; gardez donc le tableau de candidats d’origine à disposition lors du traitement des indices. Les scores de pertinence et l’utilisation déclarée ont des rôles distincts : les scores décrivent le résultat du classement, tandis que l’utilisation consigne la quantité déclarée pour l’opération. Aucun des deux ne remplace le passage source qui étaye une réponse ultérieure.

Dans un processus de recherche d’information, utilisez le classement pour sélectionner les passages que l’étape suivante doit examiner ou citer. Comparez un passage sélectionné à la question et à l’instruction avant d’en présenter le contenu comme un élément de preuve. Une position élevée dans la liste des résultats désigne un candidat à examiner ; la réponse finale de l’application doit rester reliée au texte réel et à son identifiant de source.

Examinez le résultat à l’aide de requêtes représentatives et des ensembles de candidats utilisés par l’application. Vérifiez que les indices renvoient aux textes d’origine prévus, que l’ordre répond à l’instruction fournie et que les passages choisis traitent la question. Conservez ensemble le sélecteur exact, la question, l’instruction, la correspondance des candidats et la réponse complète pour produire un relevé réutilisable de sélection par pertinence lors de l’étape suivante de recherche d’information ou de traitement documentaire.