我要投稿

Jina又开源：用于Agentic RAG的Jina Reranker v2，支持多语言、函数调用和代码搜索！

发布日期：2024-06-27 03:23:11 浏览次数： 2531

作者：PaperAgent

微信搜一搜，关注“PaperAgent”

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

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-06-14

什么是RAG？一文搞懂检索增强生成技术

2025-06-14

AI开发实战：解决RAG的召回不准问题

2025-06-13

揭开RAG的神秘面纱：90%的人不知道腾讯IMA底层原理

2025-06-13

金融智脑：破解RAG系统在金融场景中常见失败的七大陷阱

2025-06-13

从零开始学 Dify - Dify 的 RAG 系统如何有效地处理和检索大量文档？

2025-06-13

大模型：多种RAG组合优化（langchain实现）

2025-06-12

深入使用 Deep Research 后，我确信 RAG 的未来是 Agent

2025-06-12

从传统 RAG 到知识图谱 + Agent，知识库 AI 问答成功率终于达到 95% 了，来自蚂蚁集团的经验

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

通义QwQ-32B+Milvus，消费级显卡布满血大模型与RAG的时代来了！

2025-03-21

RAG检索增强之Reranker重排序模型详解！

2025-03-20

大模型 RAG 终极指南：信息检索 + 文本向量化 + BGE-M3 实践全解析！

2025-03-24

AISearchPro-AI智能搜索实践

2025-03-17

MCP、RAG、Agent之间的概念和关系，被我和AI协作的12张图总结了

2025-03-24

AI Agent 记忆技术浅析

2025-03-19

一个能给大模型加上“记忆”的工具，让 AI 助手更懂你，Star 26K+！

2025-03-24

Ragflow技术栈分析及二次开发指南

2025-03-28

让模型更懂你的业务！RAG原理和解决方案解析

2025-04-01

RAG 开发实例

2025-03-23

大家都在问

从零开始学 Dify - Dify 的 RAG 系统如何有效地处理和检索大量文档？

2025-06-13

通过 RAG如何扩展提示词Prompting?

2025-06-09

为什么 RAG 一定需要 Rerank？

2025-06-06

RAG和向量数据库之间有什么关系?

2025-05-30

超越基础：Agentic Chunking 如何彻底改变 RAG？

2025-05-29

用Milvus构建RAG系统，N8N VS dify 如何选？

2025-05-29

【RAG】给传统企业搞AI转型，RAG项目最难啃的骨头是啥？

2025-05-23

解锁AI时代的核心通关密码——为什么你必须搞懂RAG、Agent、MCP？

2025-05-16

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB