MongoDB ·

rerank-2.5和rerank-2.5-lite：指令跟随重排序器

💡 原文英文，约1800词，阅读约需7分钟。

📝

内容提要

新推出的rerank-2.5系列显著提升了检索准确性，支持32K令牌上下文长度和指令跟随功能，准确性较Cohere Rerank v3.5提高7.94%。用户可通过自然语言指令优化模型输出。

🎯

新推出的rerank-2.5系列显著提升了检索准确性，支持32K令牌上下文长度和指令跟随功能。
rerank-2.5和rerank-2.5-lite在93个检索数据集上的准确性分别比Cohere Rerank v3.5提高了7.94%和7.16%。
新功能允许用户通过自然语言指令优化模型输出的相关性评分。
rerank-2.5和rerank-2.5-lite在MAIR基准测试中分别比Cohere Rerank v3.5提高了12.70%和10.36%。
这两个模型支持32K令牌的上下文长度，是Cohere Rerank v3.5的8倍，能够更准确地检索较长的文档。
指令跟随功能允许用户通过明确的指令引导重排序过程，定义相关性或指定所需文档特征。
在使用指令的情况下，rerank-2.5和rerank-2.5-lite的准确性分别提高了8.13%和7.55%。
rerank-2.5和rerank-2.5-lite在多个领域的评估中表现优异，尤其是在技术文档、法律和金融等领域。
这两个模型在相同的价格下，rerank-2.5比rerank-2提高了1.85%，而rerank-2.5-lite比rerank-2-lite提高了3.40%。
用户可以通过自然语言指令来强调查询组件、定义文档类型和消歧义查询。

🔎

rerank-2.5系列的指令跟随功能使用户能够通过自然语言指令来优化检索结果。这种灵活性特别适合需要精确匹配用户意图的场景，如法律和技术文档检索。用户可以明确指定所需文档的特征，从而提高检索的相关性和准确性。

新模型支持32K令牌的上下文长度，显著提升了对长文档的检索能力。这一特性使得在处理复杂文档时，模型能够更全面地理解内容，避免信息截断，从而提高检索的准确性，尤其在需要分析大量信息的领域如金融和法律中尤为重要。

rerank-2.5和rerank-2.5-lite在多个评估中均优于Cohere Rerank v3.5，准确性提升显著。这表明新模型在检索系统中的应用潜力，尤其是在需要高精度的专业领域。用户在选择重排序器时，应关注这些性能提升，以确保最佳的检索效果。

❓

rerank-2.5系列显著提升了检索准确性，支持32K令牌上下文长度和指令跟随功能。

用户可以通过在查询中添加自然语言指令来优化模型输出的相关性评分。

rerank-2.5在93个检索数据集上的准确性比Cohere Rerank v3.5提高了7.94%。

这两个模型在相同的价格下，rerank-2.5比rerank-2提高了1.85%，而rerank-2.5-lite比rerank-2-lite提高了3.40%。

在多个领域的评估中，rerank-2.5和rerank-2.5-lite表现优异，尤其是在技术文档、法律和金融等领域。

在使用指令的情况下，rerank-2.5的准确性提高了8.13%。

🏷️