https://lnkd.in/p/gqhN9q-K
LinkedIn
Jev 可以直接拿來提升 RAG 檢索品質？！
turbopuffer 最近測試把 Jev 放進 RAG 中，用來重新排序檢索結果。一般 RAG 會先透過向量搜尋或文字搜尋，從大量文件中找出 100～1,000 個候選，再交給 Reranker 判斷哪些內容最值得送進…
turbopuffer 最近測試把 Jev 放進 RAG 中，用來重新排序檢索結果。一般 RAG 會先透過向量搜尋或文字搜尋，從大量文件中找出 100～1,000 個候選，再交給 Reranker 判斷哪些內容最值得送進…
Jev 可以直接拿來提升 RAG 檢索品質？！
turbopuffer 最近測試把 Jev 放進 RAG 中，用來重新排序檢索結果。一般 RAG 會先透過向量搜尋或文字搜尋，從大量文件中找出 100～1,000 個候選，再交給 Reranker 判斷哪些內容最值得送進 LLM。
Jev 雖然不是專門為 Reranking 訓練的模型，但只要輸入問題、文件，再提供自然語言的判斷問題與評分標準，就能透過 Score API 對不同相關程度輸出機率，再加權成最終分數。
結果以 GPT 5.6 Sol 的排序作為參考時，Jev…
turbopuffer 最近測試把 Jev 放進 RAG 中，用來重新排序檢索結果。一般 RAG 會先透過向量搜尋或文字搜尋，從大量文件中找出 100～1,000 個候選，再交給 Reranker 判斷哪些內容最值得送進 LLM。
Jev 雖然不是專門為 Reranking 訓練的模型，但只要輸入問題、文件，再提供自然語言的判斷問題與評分標準，就能透過 Score API 對不同相關程度輸出機率，再加權成最終分數。
結果以 GPT 5.6 Sol 的排序作為參考時，Jev…
