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 basado en incrustaciones sistema de recuperación, y el reordenador refine los rangos de estos documentos candidatos y proporciona puntuaciones de relevancia más precisas.
A diferencia de los modelos de incrustación que codifican las querys y los documentos por separado, los rerankers son codificadores cruzados que procesan conjuntamente un par de query y documento, permitiendo una predicción de relevancia más precisa. Aplica un reranker a los mejores candidatos recuperados con búsqueda basada en embeddings 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 entrada de 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 la latencia como para la 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: