Voyage AI verbessert Snowflake’s Cortex AI mit mehrsprachigen Embeddings für überlegene Unternehmens-RAG.

Im Bereich der Retrieval Augmented Generation (RAG) für Unternehmens-KI spielen Einbettungsmodelle eine entscheidende Rolle. Diese Modelle wandeln verschiedene Inhaltstypen in Vektoren um, die von KI-Systemen interpretiert werden können. Während OpenAIs ada-Einbettungsmodell in diesem Bereich führend war, haben viele Unternehmen festgestellt, dass es für bestimmte Anwendungen nicht die erforderliche Spezifität bietet. Hier kommt Voyage AI ins Spiel.

Kürzlich gab Voyage AI eine Finanzierungsrunde der Serie A über 20 Millionen Dollar bekannt, um seine Einbettungs- und Retrieval-Modelle für unternehmensspezifische RAG-Anwendungen zu verbessern. Eine bedeutende Unterstützung kommt von Snowflake, das plant, die Modelle von Voyage AI in seinen Cortex-AI-Dienst zu integrieren. Diese Integration wird die Suchfunktionalität von Cortex AI verbessern und die Technologie aus Snowflakes Übernahme des KI-Suchunternehmens Neeva nutzen.

Voyage AI hat sich der Verbesserung der RAG-Fähigkeiten für Unternehmen verschrieben. Sein mehrsprachiges Einbettungsmodell unterstützt 27 Sprachen mit bemerkenswerter Genauigkeit. „Wir verbessern RAG, indem wir die Retrieval-Qualität erhöhen“, sagte Tengyu Ma, Gründer und CEO von Voyage AI. „Relevantere Dokumente führen zu besseren Antworten; ohne sie könnten große Sprachmodelle ungenaue Ausgaben generieren.“

Die Verbesserung der Unternehmens-RAG durch überlegene Einbettungen

Einbettungsmodelle sind unerlässlich für das Training großer Sprachmodelle (LLMs) und die Implementierung von RAG-Systemen. Ma betonte, dass sich Voyage AI auf die Entwicklung fortschrittlicher Einbettungs- und Nachbearbeitungsmodelle konzentriert, um die Retrieval-Qualität für domänenspezifische Informationen zu verbessern. Er wies darauf hin, dass die Genauigkeitsanforderungen in Unternehmen steigen und bestehende Lösungen, einschließlich OpenAIs ada, nicht ausreichen. „Unsere Einbettungen bieten höhere Genauigkeit und ein tieferes Verständnis komplexer Konzepte“, erklärte Ma.

Voyage AI verbessert die Genauigkeit durch fortschrittliche Techniken, die die gesamte Trainingspipeline optimieren, einschließlich sorgfältiger Datensammlung und -filterung. Das Unternehmen passt seine Modelle an spezifische Branchen wie Finanzen, Programmierung und Recht an und erzielt in diesen Bereichen überlegene Ergebnisse.

Die Rolle des kontrastiven Lernens im Training

Das Training von maschinellen Lernmodellen kann herausfordernd sein, insbesondere mit unbeschrifteten Daten. Um diese Art von Daten effektiv zu nutzen, setzt Voyage AI auf kontrastives Lernen, eine Technik, die sich von traditionellen Methoden der nächsten Wortvorhersage unterscheidet. „Wir erstellen kontrastive Paare aus unbeschrifteten Daten, um unsere Modelle zu trainieren“, teilte Ma mit.

Snowflakes Partnerschaft mit Voyage AI

Für Snowflake bedeutet die Partnerschaft mit Voyage AI und die Integration seiner Modelle in die Cortex-AI-Dienste, den Nutzen für Unternehmensbenutzer zu erhöhen. „Jeder Anbieter bemüht sich, RAG-Systeme zu entwickeln. Unser Ansatz ermöglicht es den Nutzern, nahtlos mit ihren Daten zu interagieren, unabhängig davon, ob sie strukturiert oder unstrukturiert sind“, erklärte Vivek Raghunathan, SVP für Engineering bei Snowflake.

Raghunathan äußerte sich begeistert über die Modelle von Voyage AI, die über fortschrittliche Fähigkeiten wie mehrsprachige Unterstützung und erweiterte Kontextfenster verfügen, die für Unternehmensanwendungen entscheidend sind. Während Snowflake sein Arctic-Einbettungsmodell bietet, stellt Voyage AI eine überzeugende Alternative für die Benutzer dar. „Berücksichtigen Sie das Gleichgewicht zwischen Effizienz und Qualität; unsere Modelle sind hervorragend darin, anspruchsvolle Anwendungsfälle zu bewältigen“, schloss Raghunathan.