本文介绍了一个单例模式的重排序器类，该类使用指定模型计算问题与文档对的得分，并按得分降序排列文档。

Voyage AI已加入MongoDB两个月，专注于开发嵌入模型和重排序器，模型将对所有团队开放。随着工程和研究投资增加，Voyage AI加速发展，支持更多开发团队，近期将推出更强大的模型，并在MongoDB Atlas中实现自动文本嵌入和语义搜索。

RAG（检索增强生成）结合向量数据库与大语言模型，虽然易用但难以掌握。通过优化重排序器提升检索结果质量，确保信息在上下文窗口内，从而改善响应准确性。BAAI的预训练Cross-Encoder模型可用于重排序任务，帮助区分相关与不相关的问答对，成功依赖于持续的实验与迭代。

本文探讨了通过延迟分块嵌入和重排序器提升DeepSearch/DeepResearch系统质量的方法，重点在于从长网页中选择相关片段并优先排序URL。实验表明，延迟分块有效解决了上下文丢失和片段选择问题，同时结合多语言嵌入和重排序器提升了系统性能，为搜索技术改进提供了新思路。

Voyage AI宣布获得2000万美元的A轮融资，总融资达到2800万美元。该公司专注于开发先进的嵌入模型和重排序器，并与多家知名AI公司合作。新模型已在Voyage API及AWS、Azure市场上线，用户可享受2亿免费代币和更高的使用限制。

我们推出了Voyage 2系列的重排序器rerank-2和rerank-2-lite，分别提高了OpenAI最新嵌入模型的准确性13.89%和11.86%。这两款重排序器支持更长的上下文长度，提升了检索系统的质量。用户可升级至新版本以获得更好的性能。