← Каталог

· AI Engineer World's Fair 2025

Современное состояние AI-поиска и извлечения информации

The State of AI-Powered Search and Retrieval

Качественный AI-поиск для RAG строится на связке: embedding-модель, подобранная под свою задачу, фильтры по структурным данным и reranking.

  • Оценка под свою задачу — единой лучшей embedding-модели нет: по словам автора, в Continue.dev на поиске по кодовой базе лучше всего показала себя voyage-code-3, и выбирать модель стоит по собственной оценке на своих данных.
  • Структурные данные рядом с вектором — фильтры по метаданным, например по штату или виду юридического документа, применяются в векторном хранилище или после поиска; одних эмбеддингов, по мнению автора, обычно недостаточно.
  • Агентный поиск как цикл — агент расширяет или декомпозирует запрос: вопрос о годовых отчётах компании превращается в четыре отдельных запроса по кварталам, а результаты возвращаются в цикл.
  • Мультимодальные эмбеддинги — voyage-multimodal-3 помещает текст, изображения и их смесь в одно семантическое пространство. Instruction tuning, то есть управление вектором инструкцией, автор называет следующим шагом; это его прогноз, а не готовый результат.

Кому полезно: тем, кто строит RAG или поиск по коду и выбирает embedding-модель и reranking для своей системы.

Статья по теме

Главы

Похожие доклады