本文介绍了Voyage AI在嵌入模型扩展方面的研究，特别是通过混合专家（MoE）架构提高效率。Voyage-4-large模型实现了75%的参数减少，同时保持检索准确率，显著降低计算成本和延迟。MoE模型通过优化设计有效解耦知识容量与计算成本。
Voyage 4系列推出四种文本嵌入模型，具共享嵌入空间，支持不同模型间的互用。voyage-4-large采用混合专家架构，提升检索准确率并降低40%成本，适合高效检索需求的客户和开发者，支持多维度嵌入，优化查询与文档嵌入的独立调优。
本研究提出了一种基于大型语言模型的接口，旨在帮助缺乏技术背景的居民更有效地使用家庭能源管理系统（HEMS）。该接口能够理解用户的错误输入并输出正确参数，平均检索准确率达到88%，显著提高了HEMS的使用效率。
本研究提出了一种名为EMS的新方法，以提高大规模语言模型中KV缓存的压缩效率。该方法结合全局与局部得分，更有效地识别令牌的重要性。实验结果表明，EMS在极端压缩比下仍能保持先进性能，降低困惑度，并显著提高多项任务的检索准确率。
voyage-multimodal-3是一种新型多模态嵌入模型，能够同时处理文本和图像，提升检索准确率19.63%。该模型简化了文档解析，支持复杂布局的PDF和截图，解决了传统模型的模态差距问题，适用于知识库的语义搜索。
该文介绍了一种利用抽象摘要生成简洁查询的方法，可以在现有数据集的检索系统中提高检索准确率。通过微调和开箱即食的摘要模型，检索准确率提高了3倍。
完成下面两步后，将自动完成登录并继续当前操作。
