Perplexity lança modelo de embedding para documentos longos
A Perplexity apresentou o pplx-embed-v2-context-9b-preview, modelo focado em melhorar a recuperação de dados em documentos extensos.
||
30/09 às 16:45
Pontos principais
- O modelo pplx-embed-v2-context-9b-preview utiliza uma nova técnica de treinamento baseada em destilação de relevância.
- A ferramenta superou o voyage-context-4 em recuperação de chunks com menor custo de armazenamento por vetor.
- O lançamento alcançou novos recordes nos benchmarks ConTEB e context-bench.
- O modelo já está disponível para visualização na plataforma Hugging Face.
A Perplexity anunciou o lançamento do modelo pplx-embed-v2-context-9b-preview, que utiliza uma nova técnica de treinamento para otimizar a recuperação de informações em documentos longos. O sistema emprega destilação de relevância a partir de um modelo de compressão de contexto e superou o voyage-context-4 com maior eficiência de armazenamento. A tecnologia estabeleceu novos recordes nos benchmarks ConTEB e context-bench e já se encontra disponível para visualização na plataforma Hugging Face.
Comentários
Carregando comentários...