En el ámbito de la Generación Aumentada por Recuperación (RAG) para la inteligencia artificial empresarial, los modelos de incrustación desempeñan un papel fundamental. Estos modelos convierten diversos tipos de contenido en vectores, permitiendo su interpretación por sistemas de IA. Aunque el modelo de incrustación ada de OpenAI fue un pionero en este campo, muchas empresas han descubierto que carece de la especificidad necesaria para ciertas aplicaciones. Aquí es donde entra Voyage AI.
Recientemente, Voyage AI anunció una ronda de financiación Serie A de 20 millones de dólares para mejorar sus modelos de incrustación y recuperación, diseñados específicamente para aplicaciones RAG empresariales. Un respaldo significativo proviene de Snowflake, que planea integrar los modelos de Voyage AI en su servicio Cortex AI. Esta integración mejorará la funcionalidad de búsqueda de Cortex AI, aprovechando la tecnología adquirida por Snowflake de la empresa de búsqueda de IA, Neeva.
Voyage AI está comprometido con la mejora de las capacidades RAG en el sector empresarial. Su modelo de incrustación multilingüe admite 27 idiomas con una precisión notable. “Mejoramos RAG al mejorar la calidad de la recuperación,” afirmó Tengyu Ma, fundador y CEO de Voyage AI. “Documentos más relevantes conducen a mejores respuestas; sin ellos, los modelos de lenguaje grande pueden generar resultados inexactos.”
Mejorando RAG Empresarial con Incrustaciones Superiores
Los modelos de incrustación son esenciales para entrenar modelos de lenguaje grande (LLMs) e implementar sistemas RAG. Ma enfatizó que Voyage AI se centra en crear modelos avanzados de incrustación y reordenamiento para mejorar la calidad de recuperación de información específica del dominio. Destacó que a medida que aumentan las demandas de precisión empresarial, las soluciones existentes, incluido el ada de OpenAI, quedan cortas. “Nuestras incrustaciones ofrecen mayor precisión y una comprensión más profunda de conceptos complejos,” explicó Ma.
Voyage AI mejora la precisión mediante técnicas avanzadas, optimizando todo el proceso de entrenamiento, que incluye una meticulosa recolección y filtrado de datos. La compañía adapta sus modelos a industrias específicas como finanzas, programación y derecho, logrando un rendimiento superior en estas áreas.
El Papel del Aprendizaje Contrastivo en el Entrenamiento
Entrenar modelos de aprendizaje automático puede ser complicado, especialmente con datos no etiquetados. Para aprovechar eficazmente este tipo de datos, Voyage AI emplea el aprendizaje contrastivo, una técnica distinta a los métodos tradicionales de predicción de la siguiente palabra. “Creamos pares contrastivos a partir de datos no etiquetados para entrenar nuestros modelos,” compartió Ma.
Asociación de Snowflake con Voyage AI
Para Snowflake, asociarse con Voyage AI e incorporar sus modelos en los servicios de Cortex AI se trata de mejorar la utilidad para los usuarios empresariales. “Cada proveedor está esforzándose por desarrollar sistemas RAG. Nuestro enfoque permite a los usuarios interactuar sin problemas con sus datos, ya sean estructurados o no estructurados,” afirmó Vivek Raghunathan, VP de Ingeniería en Snowflake.
Raghunathan expresó su entusiasmo por los modelos de Voyage AI debido a sus capacidades avanzadas, incluyendo soporte multilingüe y ventanas de contexto ampliadas, que son fundamentales para aplicaciones empresariales. Mientras que Snowflake ofrece su modelo de incrustación Arctic, Voyage AI presenta una alternativa convincente para los usuarios. “Consideren el equilibrio entre eficiencia y calidad; nuestros modelos destacan en abordar casos de uso desafiantes,” concluyó Raghunathan.
Clasificación
