Ugrás a tartalomra
Vissza a hírekhez
Perplexity (X)2026. szept. 30. 21:07modell

Új beágyazási modellel javítja a keresést a Perplexity

A keresőmotorjáról ismert cég új módszerével a dokumentumok egyes részeit a teljes szöveg kontextusában képes értelmezni és visszakereshetővé tenni.

We built a new way to train contextual embedding models, which encode each chunk of a document with the whole document i

A Perplexity bemutatta a pplx-embed-v2-context-9b-preview nevű új beágyazási modelljét, amely új megközelítést alkalmaz a dokumentumok feldolgozásában. Az új technológia lényege, hogy a dokumentumok egyes részeit a teljes szövegkörnyezet figyelembevételével kódolja el.

Ez a módszer jelentősen javítja a dokumentumokon belüli keresést és információ-visszakeresést, mivel a rendszer nem elszigetelten kezeli a szövegrészleteket. A fejlesztés a ConTEB és a turbopuffer tesztjein is kiemelkedő, piacvezető eredményeket ért el.

A modell egyelőre előzetes verzióban érhető el. A technikai részletekről és a háttérről a cég részletes blogbejegyzést is közzétett.

Az eredeti szöveg (Perplexity (X))
We built a new way to train contextual embedding models, which encode each chunk of a document with the whole document in view. pplx-embed-v2-context-9b-preview sets a new state of the art on ConTEB and @turbopuffer's new, privately held context-bench. https://www.perplexity.ai/hub/blog/contextual-embedding-beyond-the-gold-passage