Voyage AI
Voyage AI conçoit des modèles d’embedding personnalisés selon le domaine et l’entreprise, pour une meilleure qualité de récupération.
Voyage AI and Zilliz
Zilliz s’est associé à Voyage AI pour simplifier la conversion de données non structurées en embeddings vectoriels consultables dans Zilliz Cloud et pour aider à évaluer l’efficacité d’un système RAG mis en œuvre avec divers modèles d’embedding pour des tâches liées au code.
Zilliz et Voyage AI : révolutionner les applications RAG
Zilliz Cloud Pipelines, un outil permettant de convertir des données non structurées en embeddings de haute qualité, prend en charge voyage-2 et voyage-code-2 de VoyageAI comme modèles d’embedding afin d’atteindre la meilleure qualité de récupération pour les tâches liées au code. Cette intégration permet un service d’API évolutif pour la récupération, idéal pour une utilisation avec des outils comme LlamaIndex. Commencez à créer un RAG supérieur pour les textes riches en code avec Zilliz Cloud Pipelines et Voyage AI en utilisant l’intégration ci-dessous. Il n’est pas nécessaire de créer un compte distinct pour le modèle d’embedding, tout est clé en main dans votre compte Zilliz Cloud.
Créer un RAG supérieur pour les textes riches en code avec Zilliz Cloud Pipelines et Voyage AI
Découvrez comment évaluer l’efficacité d’un système de génération augmentée par récupération (RAG) mis en œuvre avec divers modèles d’embedding. Découvrez comment les modèles d’embedding voyage-2 et voyage-code-2 se comportent par rapport à BAAI et Open AI en termes de capacité de récupération sur des jeux de données de code. Cet article de blog examine la méthodologie et montre que les modèles Voyage AI sont nettement plus performants pour les tâches de récupération liées au code.