🧐Jina Reranker v2具有跨语言检索能力，能在100多种语言中提供更相关的搜索结果，性能超越bge-reranker-v2-m3。

💻它为Agentic RAG提供先进的函数调用和文本到SQL重排，在代码检索任务上表现最佳。

🚀文档吞吐量方面，是bge-reranker-v2-m3的15倍，是jina-reranker-v1-base-en的6倍，还支持结构化数据查询。

2024-06-27 00:01 湖北

Jina Reranker v2来了！Agentic RAG一流的重新排序器。具有100多种语言的跨语言检索、函数调用、表格与代码搜索和极速响应，已在huggingface开源：

多语言：在100多种语言中提供更相关的搜索结果，性能超过bge-reranker-v2-m3； 

Agentic：为Agentic RAG提供最先进的函数调用和文本到SQL重排； 

代码检索：在代码检索任务上表现最佳；

极速：文档吞吐量是bge-reranker-v2-m3的15倍，是jina-reranker-v1-base-en的6倍。

Jina Reranker v2的多语言

用户在Reranker v1上最常请求的功能之一是多语言支持：允许以任何语言检索文档，无论查询的语言是什么。在v2中，将此支持扩展到100多种语言！

在MKQA数据集上评估了Reranker v2，该数据集包含来自现实世界知识库的 26种语言的问题和答案。该数据集旨在评估问答系统的跨语言性能。

显示了recall@10分数

Jina Reranker v2结构化数据查询

V2的一个有趣功能是它支持结构化数据。它理解在MySQL或MongoDB等数据库中搜索的意图，并根据自然语言查询对最相关的表进行排名。

一个具有代理性的RAG（Retrieval-Augmented Generation，检索增强生成）使用SQL查询检索数据，并将这些数据作为额外的上下文信息提供给大型语言模型（LLM）

使用NSText2SQL数据集基准测试了查询感知能力。从原始数据集的“指令”列中提取用自然语言编写的指令，以及相应的表格schema。

对比不同重排模型将正确的表格架构与自然语言查询进行排名的的Recall@3分数

Jina Reranker v2函数调用（Function Calling）

使用Jina Reranker v2，还可以对函数进行排名。它了解函数调用的意图，并相应地为函数规范分配相关性分数。

展示如何使用Reranker改进函数调用并最终改善Agent AI用户体验

使用ToolBench基准测试评估了该项能力，该基准测试收集了超过16,000个公共API及其相应的合成生成指令。

与其他重排模型相比的结果（使用recall@3指标）

Jina Reranker v2代码检索

Jina Reranker v2不仅在函数调用和结构化数据查询方面进行了训练，而且与类似大小的竞争模型相比，还提高了代码检索能力。使用CodeSearchNet基准测试评估了其代码检索能力。该基准测试是docstring和自然语言格式的查询组合，以及与查询相关的标记代码段。

与其他重排模型的MRR@10对比结果

在整个RAG流程中，除了Reranker，还涉及Embedding、Indexing等等，PaperAgent团队RAG专栏进行过详细的归纳总结：高级RAG之36技（术），可私信留言试看：RAG专栏。

https://huggingface.co/jinaai/jina-reranker-v2-base-multilingualhttps://jina.ai/news/jina-reranker-v2-for-agentic-rag-ultra-fast-multilingual-function-calling-and-code-search/?nocache=1

推荐阅读

• 对齐LLM偏好的直接偏好优化方法：DPO、IPO、KTO

• 2024：ToB、Agent、多模态

• RAG全景图：从RAG启蒙到高级RAG之36技，再到终章Agentic RAG！

• Agent到多模态Agent再到多模态Multi-Agents系统的发展与案例讲解（1.2万字，20+文献，27张图）

欢迎关注我的公众号“PaperAgent”，每天一篇大模型（LLM）文章来锻炼我们的思维，简单的例子，不简单的方法，提升自己。