博查公司近日发布了其最新的基础模子——Rerank模子 Bocha Semantic Reranker，专为提高企业搜索和检索增强生成（RAG）系统而诡计。该模子兼容任何数据库或搜索索引，况且不错松驰插入到任何具有原生搜索功能的旧版利用措施中。仅需一瞥代码，Bocha Semantic Reranker便能显耀提高搜索性能或镌汰动手RAG利用的老本，同期对延伸的影响一丁点儿。

划重心

Bocha Semantic Reranker 以 80M 参数罢了接近于宇宙一线 280M、560M参数模子的排序服从。 - 由于模子参数比同类模子小3～6倍，推理速率更快、老本更低、性价比更高。 - 基于博查搜索引擎的时刻积蓄，排序服从在搜索场景进展更好。 - 提供官方API，国内用户无需自行部署模子，不错奏凯通过调用，免去推理干事器和注意老本。

博查Rerank模子的评分旨趣

博查语义排序模子的评分历程是基于查询语句（用户的输入问题）以及与之匹配的文档试验（连接是最高512个tokens的文本）进行的。评分的历程如下：1. 评估语义干系性：bocha-semantic-reranker会评估查询语句与每个文档的语义干系性，判断文档是否粗略有用恢复用户的查询或与查询意图高度匹配。2. 分拨@BochaSemanticRerankScore：凭据语义干系性，bocha-semantic-reranker为每个文档分拨一个rerankScore，分数的范围从0到1。分数越高，暗意文档与查询的语义干系性越强，越相宜用户需求。连接，分数接近1暗意高度干系，分数接近0暗意不干系或低干系。

博查Rerank模子的BEIR Benchmark