使用场景

在多语言文档库中快速检索相关文档。

在长文本数据集中进行高效的信息检索。

在跨语言的查询和文档匹配中实现高效的重排任务。

产品特色

支持89种语言的多语言支持，提供跨主要全球语言的强大性能。

用户可控的输出嵌入尺寸，通过Matryoshka表示学习，灵活平衡效率与精度。

在MIRACL基准测试中，所有测试语言的BM25基础检索性能均优于Jina ColBERT v2。

在英语检索任务中，性能超过前代模型jina-colbert-v1-en和原始ColBERT v2模型。

Matryoshka表示学习技术支持128、96和64维的输出向量尺寸。

减少输出向量尺寸可节省空间并加速基于向量的检索应用。

通过Jina Search Foundation API、AWS marketplace和Azure提供服务。

使用教程

通过Jina Search Foundation API获取文档嵌入，指定模型为'jina-colbert-v2'。

设置输入类型为'document'或'query'，根据需要选择嵌入尺寸。

通过API获取查询嵌入，将输入类型设置为'query'。

使用Jina Reranker API进行重排，输入查询和多个文档，获取可排序的匹配分数。

在Python和其他编程语言中使用Jina AI Embeddings API进行编码。

通过Stanford ColBERT库将Jina ColBERT v2作为ColBERT v2的替代品使用。

在RAGatouille中下载并使用Jina ColBERT v2，通过RAGPretrainedModel.from_pretrained()方法。

使用Qdrant客户端将Jina ColBERT v2集成到多向量集合中，进行文档插入和查询。