新添：嵌入向量与重排序10个模型一站式完美支持RAG
· 阅读需 2 分钟
嵌入模型是基于神经网络（如Transformer）的模型，能够将非结构化且复杂的数据（如文档、图片、音频、视频或表格数据）转换为密集的数值向量（即嵌入向量），这些向量能捕捉数据的语义信息。它们作为数据点的表示或索引，是语义搜索和检索增强生成（RAG）的核心组成部分，而RAG是目前构建领、专用或企业专用聊天机器人及其他AI应用的主流方法。
重排序模型是能够输出查询与多个文档之间相关性分数的神经网络。常见的做法是使用这些分数对通过嵌入方法（或基于词法的搜索算法，如BM25和TF-IDF）初步检索到的文档进行重新排序。筛选得分最高的文档可以将检索结果优化为更相关的子集。
我们同时提供了嵌入和重排序模型的API接口，可接收您的数据（如文档、查询或查询-文档对）并返回相应的嵌入向量或相关性分数。嵌入模型和重排序器作为模块化组件，能够与RAG技术栈的其他部分（如向量数据库和生成式大语言模型LLM）无缝集成。
 |
|---|
模型列表
- voyage‑3‑large
- voyage‑3.5
- voyage‑3.5‑lite
- voyage‑code‑3
- voyage‑finance‑2
- voyage‑law‑2
- voyage‑code‑2
- voyage‑multimodal‑3
- rerank-2
- rerank-2-lite