Voyage AI: Voyage 3 Large

Voyage 3 Large is een tekstembeddingmodel om relevante informatie in een verzameling documenten te vinden. Het vertegenwoordigt elke aangeleverde tekst als een numerieke vector, zodat een toepassing een zoekvraag kan vergelijken met passages waarvan de formulering kan verschillen, maar de betekenis verwant is. Voyage AI positioneert deze editie voor algemene en meertalige informatieophaling, met materiaal zoals technische documentatie, gesprekken en lange documenten.

Bouw de doorzoekbare verzameling op uit de informatie die mensen werkelijk moeten kunnen terugvinden. Houd voor een productkennisbank de uitleg van een functie bij de voorwaarden en relevante uitzonderingen. Behoud voor vergaderverslagen sprekerlabels en voldoende omringende discussie om het onderwerp begrijpelijk te maken. Verdeel een grote bron op bruikbare grenzen en bewaar de brontitel, documentidentificatie en passagepositie bij elke vector.

Bereid een zoekvraag voor als query en geïndexeerd materiaal als documenten. In de tekstembeddingwerkstroom van de maker geeft het invoertype het model de ophaalrol van de tekst. Een vraag zoals “Hoe kan een lid weer toegang krijgen nadat een beveiligingssleutel verloren is gegaan?” kan dan worden vergeleken met supportpassages die de herstelprocedure beschrijven, ook als die passages anders zijn geformuleerd. Houd de oorspronkelijke passage beschikbaar zodat het zoekresultaat het bewijs achter de overeenkomst kan tonen.

Het model heeft een contextvenster van 32.000 tokens. Een lange invoer kan een volledig onderdeel behouden, maar een heel document is niet altijd de nuttigste zoekeenheid. Een brede vector kan naar het juiste bestand wijzen terwijl de lezer nog het precieze antwoord moet vinden. Kies passagegrenzen rond het resultaat dat u wilt weergeven en houd koppen, voorbehouden en definities bij de inhoud die ze toelichten.

Voyage 3 Large ondersteunt vectoren met 2.048, 1.024, 512 of 256 dimensies. De maker documenteert ook floatingpointrepresentaties, achtbitsrepresentaties met of zonder teken en binaire representaties. Deze keuzes laten een ophaalsysteem vectordetail vergelijken met indexgrootte en zoekgedrag. Kies het formaat dat de beoogde vectoropslag ondersteunt en beoordeel het vervolgens op het werkelijke corpus en representatieve vragen voordat u de productie-instellingen voor de index kiest.

Neem voor meertalig zoeken testvragen op in de talen die uw gebruikers gebruiken en beoordeel de opgehaalde bronpassages in hun oorspronkelijke taal. Een gedeelde zoekinterface kan meerdere taalverzamelingen bedienen, terwijl documentmetadata de brontaalvariant en versie blijven aangeven. Behoud betekenisvolle namen, afkortingen en domeintermen tijdens extractie in plaats van ze vóór het maken van embeddings door een algemene samenvatting te vervangen.

Gebruik de vectoren om kandidaatpassages op te halen voor een zoekpagina, kennisassistent of documentselectiestap. Houd hetzelfde model en dezelfde vectorinstellingen aan voor de geïndexeerde verzameling en de bijbehorende zoekvragen. Bouw bij het vervangen van een embeddingmodel of het wijzigen van vectordimensies de betrokken index bewust opnieuw op en vergelijk die; de lengte van een vector alleen identificeert niet hoe die is geproduceerd.

Beoordeel het resultaat op bruikbare informatieophaling: verschijnt de juiste passage, staan nabije maar misleidende passages erboven en bevat het weergegeven fragment het antwoord? Bewaar een kleine verzameling echte vragen met verwachte bronnen, inclusief dubbelzinnige formuleringen en bijna identieke documenten. De embedding biedt een doorzoekbare representatie; de toepassing behoudt de brontekst, toegangsrechten en links die nodig zijn om een overeenkomst in een bruikbaar resultaat om te zetten.