$rerank 집계 파이프라인 단계

요구 사항:

$rerank를 사용하려면 다음을 수행합니다.

• Atlas UI Cluster Builder 페이지에서 Latest version with auto-upgrades 를 선택하여 클러스터 에서 MongoDB 8.3 이상을 실행 중인지 확인합니다.

• 을(를) 통해 네이티브 재순위 지정을 Project Settings 활성화합니다. 자세한 학습 은 네이티브 재지정 활성화 또는 비활성화를 참조하세요.

제한 사항

$rerank 단계는 사용할 수 없습니다.

• 자체 관리형 또는 Atlas Local 배포의 경우.

• $rankFusion $scoreFusion 또는 입력 파이프라인의 경우.

• 뷰에대한 쿼리의 경우.

  View에 MongoDB Search 또는 MongoDB Vector Search 인덱스 있는 경우 View 대신 소스 컬렉션 에서 .aggregate() 를 실행 인덱스 를 쿼리 .

행동

$rerank 은 파이프라인 의 어느 곳에나 나타날 수 있습니다. 그러나 MongoDB 또는 $rerank 와 $search 같이 $vectorSearch 이미 관련 문서를 정렬된 순서로 반환하는 단계 이후에 를 사용할 것을 권장합니다.

$rerank 단계로 전달된 첫 numDocsToRerank 개 문서의 순위를 재지정하고 반환합니다. $rerank 이 첫 번째 단계이거나 이전 단계가 결정론적으로 정렬된 결과를 반환하지 않는 경우 $rerank 에 사용된 문서가 쿼리 간에 변경될 수 있습니다.

$rerank path 에 지정된 필드 중 하나라도 하나 이상의 입력 문서에 없는 경우 오류를 반환합니다. 이를 완화하려면 다음을 사용하세요.

• $set 단계를 사용하여 누락된 필드를 빈 문자열로 설정하다 .

• $match 단계를 사용하여 필드가 누락된 문서를 필터하다 .

쿼리

query.text 필드 reranker 모델이 각 문서 점수를 매기는 방법을 결정합니다.지정된 Voyage reranker 모델은 쿼리 텍스트와 지정된 에 있는 각 문서 의 콘텐츠 간의 관련성 점수를 path 계산합니다. 대부분의 사용 사례에서 를 $rerank.query.text 이전 또는 단계의 쿼리 와 동일하거나 유사한 텍스트로 설정하다 $search $vectorSearch.

득점

score 변수를 $meta 표현식과 함께 사용하여 $rerank 단계의 결과에서 각 문서의 점수를 조회.

{
  "$addFields": {
    "rerankScore": { "$meta": "score" }
  }
}

$rerank 단계에서는 $meta: "score" 값을 새 점수로 대체합니다. $rankFusion와 같은 이전 단계의 값을 보존하려면 점수를 $rerank 단계 이전의 명명된 필드에 프로젝트 할 수 있습니다.

{
  "$addFields": {
    "originalRankFusionScore": { "$meta": "score" }
  }
},
{
  "$rerank": {
    ...
  }
},
{
  "$addFields": {
    "rerankScore": { "$meta": "score" }
  }
}

성능 및 정확도

단계는 순위를 다시 지정할 $rerank 필드와 같은 입력의 크기, 순위를 바꿀 문서 수, 쿼리 텍스트에 따라 계산 비용이 많이 들 수$rerank 있습니다. 은(는 ) 쿼리 시점에 쿼리와 문서를 공동으로 처리합니다. 따라서$rerank 는 또는 에 $search 대한 인덱스와 같이 인덱스 $vectorSearch 기반 관련성 검색 보다 느릴 수 있습니다. 정확도와 성능의 균형을 맞추려면 및 를 numDocsToRerank path 구성하여 입력 크기를$rerank 제한합니다. 은(는) Atlas cluster 리소스에서Voyage AI reranking 모델을 실행 하지 않습니다.

$rerank RAG 및 에이전트형 AI 애플리케이션과 같이 초저 지연 시간 보다 검색 품질이 우선시되는 워크로드에 가장 적합합니다. 초저 지연 시간 필요한 워크로드의 경우 MongoDB $search 또는 $vectorSearch와 같은 인덱스 기반 검색 단계를 사용할 것을 권장합니다.