Un reranker recibe una query y muchos documentos, y devuelve una lista clasificada de relevancia entre la query y los documentos. Los documentos suelen ser los resultados preliminares de una sistema de recuperación basadoen incrustación, y el reranker refina las clasificaciones de estos documentos candidatos y proporciona puntajes de relevancia más precisos.
A diferencia de los modelos de incrustación que codifican consultas y documentos por separado, los rerankers son codificadores cruzados que procesan conjuntamente la consulta y el documento, lo que permite una predicción de relevancia más precisa. Aplique un reranker a los principales candidatos recuperados mediante búsquedas basadas en incrustación o con algoritmos de búsqueda léxica como BM25 y TF-IDF.
Modelos disponibles
Modelo | Longitud del contexto | Descripción |
|---|---|---|
| 32,000 | Precisión más alta. Recomendado para la mayoría de las aplicaciones. Para obtener más información, consulte la publicación del blog. |
| 32,000 | Modelo rápido y rentable optimizado para aplicaciones sensibles a la latencia. Para obtener más información, consulte la entrada de blog. |
Nuestros modelos más recientes superan a los modelos heredados en todos los aspectos, tales como calidad, longitud del contexto, latencia y rendimiento.
Modelo | Longitud del contexto | Descripción |
|---|---|---|
| 16,000 tokens | Nuestro reranker generalista de segunda generación, optimizado para la calidad con soporte multilingüe. Para obtener más información, consulte la entrada de blog. |
| 8,000 tokens | Nuestro reranker generalista de segunda generación optimizado tanto para latencia como para calidad con soporte multilingüe. Para obtener más información, consulte la entrada de blog. |
Tutorials
Para tutoriales sobre cómo usar los reordenadores, consulta los siguientes recursos: