Comment ça marche Rerank 4 Pro?
Rerank 4 Pro est un modèle de classement de Cohere pour la recherche et le RAG : il réordonne les fragments trouvés par pertinence, fonctionne avec une fenêtre de contexte de 32K jetons et prend en charge plus de 100 langues. Aucun prétraitement des données n'est nécessaire : les documents sont envoyés au modèle tels qu'ils sont dans votre base. Sur BotHub, le modèle est appelé via une API unique compatible OpenAI : changez simplement le nom du modèle dans la requête pour comparer les résultats sans réécrire l'intégration. Accès sans VPN ni carte étrangère, paiement en roubles à l'usage, les jetons n'expirent pas. Scénarios : amélioration de la recherche d'entreprise dans la documentation interne, augmentation de la précision des réponses des assistants RAG, sélection de fragments pertinents avant envoi à un modèle de langage, analyse de catalogues multilingues et support de pipelines de recherche.Questions fréquentes sur Rerank 4 Pro
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
C'est un reranker : il ne rédige pas de réponses, mais évalue la pertinence d'une paire « requête-document » et réordonne les fragments trouvés par pertinence décroissante. Idéal pour améliorer la recherche et les systèmes RAG : prenez les meilleurs candidats d'une recherche classique et ne gardez que ce qui est vraiment pertinent.
Il ne rédige pas de texte fini : vous obtenez en sortie des scores de pertinence et un ordre de documents, pas un récit cohérent. Une fenêtre de contexte allant jusqu'à 32 768 jetons est disponible par passage, ce qui permet de soumettre de longs fragments à comparer avec la requête. Le volume de sortie est, selon nos données, jusqu'à 29 491 jetons.
Il n'y a pas de mention spécifique de raisonnement avant réponse dans nos données. En tant que reranker, il ne raisonne pas comme les modèles de chat : il fournit immédiatement un score de pertinence pour chaque paire « requête-document ». Si une argumentation étape par étape est nécessaire, utilisez un modèle textuel séparé.
Il n'y a pas de confirmation concernant l'appel de fonctions ou la sortie structurée dans nos données. Cependant, le résultat du reranker est une liste ordonnée de documents avec des scores, facile à traiter par programme. Les appels de fonctions et le JSON strict sont généralement gérés par un modèle génératif associé.
Nos données n'indiquent pas la prise en charge d'images, d'audio ou de vidéo : le travail est centré sur le texte (requête et documents candidats), et les scores sont également renvoyés sous forme textuelle. Si vous devez analyser des images ou de l'audio, BotHub propose des modèles multimodaux dédiés.
Il n'y a pas de mention spécifique sur la qualité du russe dans nos données, nous ne pouvons donc rien promettre. La comparaison requête-document ne nécessite pas de génération de texte, vous pouvez donc soumettre des documents en russe, mais il est conseillé de tester la qualité sur votre propre collection et vos requêtes.