（moscone south，下层内容馆，第 1 阶段）*添加到议程
演讲者：kat holmes，salesforce 执行副总裁、首席设计官
注册并开始
那么，接下来该做什么呢？今天您来做好准备：
如果您还没有注册，请立即注册。
立即开始使用议程生成器构建完美的两天 df24 议程。
另外请查看今年的管
理指南、架构师指南和开发人员指南。
然后在 trailhead 上完成dreamforce ready 2024 模块，以充分利用这个必参加的活动。
然后，通过加入trailhead 上的design trailblazers group进行联系和学习。
最后，请在linkedin上关注我们以获取每日更新。作为我们致力于企业 rag 和可信 ai 创新的一部分，我们很高兴发布 sfr llamarank，这是 salesforce ai research 推出的一款最先进的重新排序器。llamarank 是一种专门用于文档相关性排序的语言模型。llamarank 在一般 tg 到数据 文档排序方面的表现至少可与领先的 api 相媲美，同时在代码搜索方面也表现出了显著的改进。llamarank 的表现很大程度上归功于 salesforce rlhf 数据注释团队提供的多轮迭代策略反馈。
立即在together.ai尝试一下！
图片.png
什么是重新排序器？
在检索增强生成 (rag) 系统中，重新排序器在提高从大型文档存储库中检索的信息的质量和相关性方面起着至关重要的作用。以下是它如何融入 rag 管道：
初始检索当用户提出查询
时，系统首先使用快速但有时不太精确的方法来检索一组可能相关 电话线索 的文档或段落，例如带有嵌入的语义搜索。
重新排序：这是重新排序器发挥作用的地方。它获取最初检索到的文档集并执行更复杂的分析，以确定哪些文档真正与查询最相关。重新排序器会考虑初始检索可能遗漏的各种因素和细微差别。
最终选择：重新排名步骤中排名靠前的文档随后被用作语言模型的上下文来生成响应。
截图 2024-08-23 下午 3.01.10.png
重新排序器至关重要，因为它可以显著提高输入到语言模型中 btc 数据库 的信息质量，同时优化传递到生成响应模型上下文中的文档的相关性。这可以使企业应用程序（例如客户支持系统、内部知识库或代码搜索工具）中的响应更准确、更相关、更连贯。通过确保只使用最相关的信息，重新排序器有助于减少幻觉并提高 rag 系统的整体可靠性。