研究人员推出了 pplx-embed-v2-context,这是一系列新的上下文嵌入模型,旨在通过识别多个相关块并提供验证证据来改进文档检索。这些模型在不依赖黄金块标签的情况下进行训练,使其训练目标独立于分块过程。该研究还提出了两个新的基准测试 Context-bench 和 Q2D-Chunk 来评估检索性能,其中 pplx-embed-v2-context 的 9B 版本在这些基准测试上取得了最先进的成果。此外,这些模型在视觉检索任务中表现出色,并且通过细粒度的图像分块有进一步改进的潜力。 AI
影响 引入了更全面的文档检索和验证的新方法,有可能提高搜索引擎的准确性和信息合成能力。
排序理由 arXiv 上发表了关于新型嵌入模型和基准测试的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →