Indlæser kataloget…
Indlæser kataloget…
En flersproget BAAI-tekstpar-reranker, der vurderer relevansen mellem forespørgsel og tekststykke til behandlingskæder.
Oversigt. BAAI/bge-reranker-v2-m3 er en flersproget tekstpar-reranker med åbne vægte og 568 millioner parametre, bygget på XLM-RoBERTa. Den modtager en forespørgsel og et tekststykke og returnerer derefter en score for relevans. Udviklere kan bruge den til at omorganisere en kandidatgruppe, før resultaterne præsenteres for en bruger eller en efterfølgende model.
Vigtigste styrker. Dens største styrke er fokuseret relevansvurdering frem for tekstgenerering. XLM-RoBERTa-arkitekturen og det flersprogede design gør den velegnet til at rangordne par af forespørgsler og tekststykker på tværs af sprog, mens dens grænse på 8.192 tokens understøtter forholdsvis lange tekstpar.
Anvendelsesområder. Brug denne model til reranking, når du allerede har en kandidatgruppe og har brug for at vurdere relevansen mellem forespørgsel og tekststykke. Den passer ind i behandlingskæder til rangordning, hvor en ikke-generativ model er at foretrække frem for en generel model. Den er ikke beregnet til chat eller tekstgenerering, og de foreliggende data bekræfter ikke understøttelse af verktøykald, struktureret uddata eller indbygget behandling af dokumenter, billeder eller lyd.
Begrænsninger. Denne model returnerer en relevansscore frem for genereret tekst; de foreliggende data bekræfter ikke understøttelse af ræsonnering, verktøykald eller struktureret JSON-uddata. Der er ingen tilgængelige målinger af svartid, domænespecifikke benchmarkresultater eller oplysninger om, hvor træningsdataene slutter.
Bemærkning om suverænitet. BAAI er modelskaberen, og de foreliggende data fastlægger ikke en klassificering for eksponering mod CLOUD Act eller dataplacering for endepunkter. Modellen er tilgængelig under Apache-2.0-licensen, men ingen garantier om suveræn dataplacering er verificeret.
| Inferensleverandør | Suverænitet | Kører i | Pris | Status | Fastgør |
|---|---|---|---|---|---|
| L1 | 0,10 € per 1 mio. ind-tokens | Online |
13 anvendelsesområder klassificeret af redaktøren. Noten forklarer hvorfor.
Cross-encoder reranker (~568 millioner parametre, kontekstvindue på 8.192 tokens) bygget til at score relevans mellem forespørgsler og tekststykker i behandlingskæder til informationshentning, med flersproget dækning fra v2-m3-serien. Dette er dens primære formål.
Bruges som scorer i andet trin over kandidater fra en separat embedding-retriever, ikke som en selvstændig retriever. Den forbedrer præcisionen i semantisk søgning, men kan ikke hente data fra et helt korpus alene.
Relevansscoring kan matche indgående forespørgsler mod kandidater for hensigt eller rutebeskrivelser uden generering. Fungerer bedst som en letvægts-matcher over et fast sæt etiketter.
Producerer en relevansscore for par af forespørgsler og dokumenter frem for trænte klassificeringsetiketter. Tilpasning til generel klassificering ville kræve, at opgaven omformuleres til parvis scoring.
Ikke en model til kodegenerering. Den kan rangordne kodestumper til hentning, men kan ikke færdiggøre kode.
Ingen autoregressiv afkodning; modellen leverer relevansscorer, ikke prosa.
Scoring-arkitektur baseret på en encoder uden generativ uddata, så den kan ikke omskrive eller udvide forespørgsler.
Scorer relevans frem for at generere tekst på målsproget, så den har ingen egenskaber til oversættelse.
Diskriminativ reranker uden evne til tekstgenerering; den kan ikke producere resuméer.
Tal fra eksterne kilder, ikke vores egne vurderinger. Percentiler er målt mod rerank-modellerne på Stav.
Ingen benchmarkkilde endnu
curl https://api.stav.ai/v1/rerank \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "baai/bge-reranker-v2-m3",
"query": "Which provider hosts in Norway?",
"documents": ["Green Mountain is in Stavanger.", "Paris is in France."],
"top_n": 1}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level — det niveau, forespørgslen blev betjent på