Eigen RadarYapay Zekâ
Analiz

Cohere, Pro ile kurulan arama dizinini Fast sorgularına açtı

Cohere, belgeleri ve sorguları birbiriyle uyumlu arama vektörlerine dönüştüren Embed 5 Pro ve Fast modellerini yayımladı. Pro ile hazırlanan belge dizininde Fast kullanılarak arama yapılabiliyor; dizini yeniden kurmak gerekmiyor. İki sürüm de metin ve görsel alıyor. Böylece belge koleksiyonunu hazırlama işiyle o koleksiyonda tekrar tekrar sorgu çalıştırma işi ayrı modellerle yürütülebiliyor.

Yapay Zekâ··Öğle
Bilgisayarın yanında fotoğrafları düzenleyen bir arşiv görevlisi.

Pro ve Fast aynı arama dizinini kullanıyor

Cohere, metin ve görselleri ilgili içeriği bulmakta kullanılan sayısal vektörlere dönüştüren Embed 5 model ailesini yayımladı. Pro ve Fast sürümleri aynı vektör alanını kullanıyor. Pro ile hazırlanan belgelerde Fast ile arama yapılabiliyor. İkinci bir dizin oluşturmaya gerek kalmadan belge hazırlama ve sorgu işleri ayrı sürümlere dağıtılabiliyor.[1], [2]

Cohere, Pro sürümünü geri getirme niteliğinin öncelikli olduğu dizinleme işleri için konumlandırıyor. Fast ise bekleme süresinin önemli olduğu aramalara ve yüksek sayıda sorguya yönelik. Sorguyu işleyen model değiştirilse de önceden hazırlanan belge koleksiyonu kullanılabiliyor.[1]

Metin ve görseller aynı arama düzenine giriyor

İki sürüm metin, görsel ve ikisini birleştiren belgeleri alıyor. Cohere, 100’den fazla dil desteği ve 128.000 belirteçlik bağlam penceresi bildiriyor. Belirteç, modelin girdiyi işlerken kullandığı birim. Görsel öğeler taşıyan bir belge, düz metinle birlikte arama düzenine katılabiliyor.[1]

Daha kısa vektörler depolama gereğini değiştiriyor

Vektör boyutu 256 ile 2.048 arasında seçilebiliyor. Kayan noktalı, int8 veya ikili çıktı biçimleri kullanılabiliyor. Daha kısa gösterimler depolama ve arama giderlerini azaltmaya yönelik. Modeller Cohere’in uygulama programlama arayüzü ve yönetilen platformlar üzerinden sunuluyor; özel ortamda çalıştırma da destekleniyor. Geri getirme ve işleme hızı karşılaştırmaları şirketin kendi sınama düzenine dayanıyor.[1]

Kaynakça

  1. Haber kaynağıCohereCohere, ortak vektör alanı kullanan Embed 5 Pro ve Fast modellerini yayımladı↩1↩2↩3↩4
  2. Haber kaynağıThe New StackCohere, Pro ile kurulan dizinlerde Embed 5 Fast sorgularını açıyor↩