ಹುಡುಕಾಟ API: ಉತ್ತಮ ಹೊರತೆಗೆಯುವಿಕೆ, ಡೈನಾಮಿಕ್ ಬೆಂಚ್‌ಮಾರ್ಕ್‌ಗಳು

ಸೆಪ್ಟೆಂಬರ್‌ನಲ್ಲಿ, ನಾವು Perplexity Search API ಆರ್ಕಿಟೆಕ್ಚರ್‌ನ ತಾಂತ್ರಿಕ ಅವಲೋಕನವನ್ನು ಪ್ರಕಟಿಸಿದ್ದೇವೆ ಮತ್ತು ಏಜೆಂಟ್ ಕಾರ್ಯಪ್ರವಾಹಗಳಲ್ಲಿ ಹುಡುಕಾಟ API ಗಳನ್ನು ಬೆಂಚ್‌ಮಾರ್ಕ್ ಮಾಡಲು ನಮ್ಮ ಓಪನ್ ಸೋರ್ಸ್ ಮೌಲ್ಯಮಾಪನ ಫ್ರೇಮ್‌ವರ್ಕ್ ಆದ search_evals ಅನ್ನು ಬಿಡುಗಡೆ ಮಾಡಿದ್ದೇವೆ. ಅಂದಿನಿಂದ, ಪ್ರಸ್ತುತತೆ ಮತ್ತು ಗಾತ್ರ ಎಂಬ ಎರಡು ಆಯಾಮಗಳಲ್ಲಿ ოპ್ಟಿಮೈಸ್ ಮಾಡಲಾದ ಸ್ನಿಪೆಟ್ ಗುಣಮಟ್ಟದಲ್ಲಿ ಪ್ರಮುಖ ಹೂಡಿಕೆಯನ್ನು ಮಾಡಲಾಗಿದೆ. ಸರಿಯಾದ ಮೊತ್ತದಲ್ಲಿ ಸರಿಯಾದ ವಿಷಯವನ್ನು ಹಿಂದಿರುಗಿಸುವುದು ಡೌನ್‌ಸ್ಟ್ರೀಮ್ ಉತ್ತರ ನಿಖರತೆ ಮತ್ತು ಟೋಕನ್ ದಕ್ಷತೆಯನ್ನು ನೇರವಾಗಿ ನಿರ್ಧರಿಸುತ್ತದೆ. ಅಲ್ಲಿಗೆ ತಲುಪುವ ಕೆಲಸವು ಹೊರತೆಗೆಯುವಿಕೆ, ಸ್ಪಾನ್-ಮಟ್ಟದ ಲೇಬಲಿಂಗ್ ಮತ್ತು ಮೌಲ್ಯಮಾಪನಕ್ಕಾಗಿ ಹೊಸ ವ್ಯವಸ್ಥೆಗಳನ್ನು ನಿರ್ಮಿಸುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ, ವಿಶೇಷವಾಗಿ ಮೂಲ ದಾಖಲೆಯ ಯಾವ ವಿಭಾಗಗಳು ನಿರ್ದಿಷ್ಟ ಪ್ರಶ್ನೆಗೆ ಸ್ಪಂದಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಗುರುತಿಸುವ ಸ್ಪಾನ್-ಲೇಬಲಿಂಗ್ ಪೈಪ್‌ಲೈನ್.

ಸ್ಪಾನ್ ಮಟ್ಟದಲ್ಲಿ ಸ್ನಿಪೆಟ್‌ಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವುದು

ಸ್ನಿಪೆಟ್‌ಗಳನ್ನು ವ್ಯವಸ್ಥಿತವಾಗಿ ಸುಧಾರಿಸಲು, ನಾವು ಹೊಸ ಮೌಲ್ಯಮಾಪನ ವ್ಯವಸ್ಥೆಯನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿದ್ದೇವೆ. ನಿರ್ದಿಷ್ಟ ಪ್ರಶ್ನೆ ಮತ್ತು ಡಾಕ್ಯುಮೆಂಟ್‌ಗಾಗಿ, ಸಿಸ್ಟಮ್ ಪ್ರಶ್ನೆಗೆ ಅವುಗಳ ಸಂಬಂಧದಿಂದ ಡಾಕ್ಯುಮೆಂಟ್‌ನಲ್ಲಿನ ಸ್ಪಾನ್‌ಗಳನ್ನು ಗುರುತಿಸುತ್ತದೆ ಮತ್ತು ಲೇಬಲ್ ಮಾಡುತ್ತದೆ: ಸ್ನಿಪೆಟ್‌ನಲ್ಲಿ ಸೇರಿಸಬೇಕಾದ "ಅಗತ್ಯ" ಸ್ಪಾನ್‌ಗಳು, ಹೊರಗಿಡಬೇಕಾದ "ಅಪ್ರಸ್ತುತ" ಸ್ಪಾನ್‌ಗಳ ವಿವಿಧ ವರ್ಗಗಳು, ನಕಲುಗಳು ಮತ್ತು ಇತರ ವರ್ಗಗಳು. ಈ ಸ್ಪಾನ್-ಮಟ್ಟದ ಲೇಬಲಿಂಗ್ ಹಿಂದೆ ಸಾಧ್ಯವಿಲ್ಲದ ನಿಖರತೆಯ ಮಟ್ಟದಿಂದ ಸ್ನಿಪೆಟ್ ಗುಣಮಟ್ಟವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ನಮಗೆ ಅನುಮತಿಸುತ್ತದೆ, ಯಾವುದು ಸರಿಯಾಗಿ ಸೇರಿಸಲಾಗಿದೆ ಮತ್ತು ಯಾವುದು ಸರಿಯಾಗಿ ಬಿಟ್ಟುಬಿಡಲಾಗಿದೆ ಎಂಬುದನ್ನು ಅಳೆಯುತ್ತದೆ.

ಅಭ್ಯಾಸದಲ್ಲಿ, ಈ ಸುಧಾರಣೆಗಳು ಪ್ರಶ್ನೆಗೆ ಹೆಚ್ಚು ಪ್ರಸ್ತುತವಾದ ಚಿಕ್ಕ ಸ್ನಿಪೆಟ್‌ಗಳನ್ನು ರಚಿಸಲು ನಮಗೆ ಅವಕಾಶ ಮಾಡಿಕೊಡುತ್ತವೆ. ನಮ್ಮ ಸ್ವಯಂ-ಸುಧಾರಿತ ವಿಷಯ ತಿಳುವಳಿಕೆ ಪೈಪ್‌ಲೈನ್ ಈಗ ಕೋಷ್ಟಕಗಳು, ನೆಸ್ಟಡ್ ಪಟ್ಟಿಗಳು ಮತ್ತು ಮುಂಚಿನ ನಿಯಮಗಳು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಪಾರ್ಸ್ ಮಾಡಲು ವಿಫಲವಾದ ಡೈನಾಮಿಕಲ್ ಆಗಿ ರೆಂಡರ್ ಮಾಡಲಾದ ವಿಷಯ ಸೇರಿದಂತೆ ವ್ಯಾಪಕ ಶ್ರೇಣಿಯ ರಚನಾತ್ಮಕ ಡೇಟಾ ಸ್ವರೂಪಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ.

ಈ ಸುಧಾರಣೆಗಳು ನಮ್ಮ ಸ್ವಂತ ಉತ್ಪಾದನಾ ವ್ಯವಸ್ಥೆಗಳಿಂದ ಹೊರಹೊಮ್ಮಿವೆ. ನಮ್ಮ ಆಂತರಿಕ ಸಂಶೋಧನೆಯು ಸ್ನಿಪೆಟ್ ಪ್ರಸ್ತುತತೆ ಮತ್ತು ಗಾತ್ರವನ್ನು ಮುಂದಕ್ಕೆ ಕೊಂಡೊಯ್ದಂತೆ, ಗುಣಮಟ್ಟದ ಸುಧಾರಣೆಗಳ ಸರಣಿಯ ನಂತರ ಸಣ್ಣ ವಿಷಯ ಬಜೆಟ್‌ಗಳು ವಾಸ್ತವವಾಗಿ ಹೆಚ್ಚು ನಿಖರವಾದ ಫಲಿತಾಂಶಗಳನ್ನುಂಟುಮಾಡುತ್ತವೆ ಎಂದು ಆಂತರಿಕ ಮೌಲ್ಯಮಾಪನಗಳು ಬಹಿರಂಗಪಡಿಸಿದವು. ನಮ್ಮ ಸಂಶೋಧನೆಗಳನ್ನು ಪ್ರತಿಬಿಂಬಿಸಲು ನಾವು ನಮ್ಮ ಡೀಫಾಲ್ಟ್ ಕಾನ್ಫಿಗರೇಶನ್‌ಗಳಿಗೆ ಕೆಲವು ಮಾರ್ಪಾಡುಗಳನ್ನು ಮಾಡಿದ್ದೇವೆ, ಪ್ರತಿ ಫಲಿತಾಂಶಕ್ಕೆ ಹೆಚ್ಚು ಉಪಯುಕ್ತವಾದ ವಿಷಯವನ್ನು ತಲುಪಿಸುವಾಗ ಪ್ರತಿಕ್ರಿಯೆ ಪೇಲೋಡ್ ಗಾತ್ರ ಮತ್ತು ಸುಪ್ತತೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಡೆವಲಪರ್‌ಗಳಿಗೆ, ಚಿಕ್ಕದಾದ, ಹೆಚ್ಚು ಪ್ರಸ್ತುತವಾದ ಸ್ನಿಪೆಟ್‌ಗಳು ನೇರವಾಗಿ ಕಡಿಮೆ ಟೋಕನ್ ವೆಚ್ಚಕ್ಕೆ ಮತ್ತು ಡೌನ್‌ಸ್ಟ್ರೀಮ್ LLM ಗಳಿಗಾಗಿ ಉತ್ತಮ ಸಂದರ್ಭ ನಿರ್ವಹಣೆಗೆ ಅನುವಾದಿಸುತ್ತವೆ.

SEAL: ಸಮಯ-संवेदनात्मक ಪುನಃಪಡೆಯುವಿಕೆಯನ್ನು ಬೆಂಚ್‌ಮಾರ್ಕ್ ಮಾಡುವುದು

SEAL ಬೆಂಚ್‌ಮಾರ್ಕ್ ಪುನಃಪಡೆಯುವಿಕೆ ಸಿಸ್ಟಮ್ ಸರಿಯಾದ ಪ್ರತಿಕ್ರಿಯೆಯು ಕಾಲಾನಂತರದಲ್ಲಿ ಬದಲಾಗುವ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸಬಹುದೇ ಎಂದು ಪರೀಕ್ಷಿಸುತ್ತದೆ. ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಉತ್ತರಿಸಲು ನೈಜ-ಸಮಯದ ಸೂಚ್ಯಂಕ ತಾಜಾತನ, ವಿವಿಧ ನಿರಂತರವಾಗಿ ನವೀಕರಿಸಲಾದ ಡೇಟಾ ಮೂಲಗಳಿಂದ ಚುರುಕಾದ ಸ್ನಿಪೆಟ್ ಹೊರತೆಗೆಯುವಿಕೆ ಮತ್ತು ಐತಿಹಾಸಿಕ ಒಂದಕ್ಕಿಂತ ಪ್ರಸ್ತುತ ಮೌಲ್ಯವನ್ನು ಗುರು Wಿಸುವ ಪಾರ್ಸಿಂಗ್ ಅಗತ್ಯವಿರುತ್ತದೆ.

ನಾವು Claude Sonnet 4.5 ಅನ್ನು ಬಳಸಿಕೊಂಡು ಫೆಬ್ರವರಿ 22 ರ SEAL ಬಿಡುಗಡೆಯ ವಿರುದ್ಧ search_evals ಅನ್ನು ರನ್ ಮಾಡಿದಾಗ, SEAL-Hard ನಲ್ಲಿ ಇತರ ಪೂರೈಕೆದಾರರು ಕುಸಿದಾಗ Perplexity ಸ್ಕೋರ್‌ಗಳು ಹೆಚ್ಚಾದವು:

ವಿಸ್ತರಿಸಿ

ನಮ್ಮ ಸೆಪ್ಟೆಂಬರ್ ಪೋಸ್ಟ್‌ನಲ್ಲಿ ವರದಿ ಮಾಡಲಾದ ಬೆಂಚ್‌ಮಾರ್ಕ್‌ಗಳ ಜೊತೆಗೆ SEAL ಅನ್ನು ಸೇರಿಸಲು ನಾವು ನಮ್ಮ search_evals ಫ್ರೇಮ್‌ವರ್ಕ್ ಅನ್ನು ವಿಸ್ತರಿಸಿದ್ದೇವೆ. ನವೀಕರಿಸಿದ ಫಲಿತಾಂಶಗಳು ಮತ್ತು ವಿಧಾನಗಳು GitHub ನಲ್ಲಿರುವ ನವೀಕರಿಸಿದ ರೆಪೊಸಿಟರಿಯಲ್ಲಿ ಲಭ್ಯವಿದೆ.

ಬಹು-ಪ್ರಶ್ನೆ ಬೆಂಬಲ

API ಈಗ ಒಂದೇ ವಿನಂತಿಯಲ್ಲಿ 5 ಪ್ರಶ್ನೆಗಳವರೆಗೆ ಬೆಂಬಲಿಸುತ್ತದೆ. ಫಲಿತಾಂಶಗಳನ್ನು ಸಲ್ಲಿಸಿದ ಅದೇ ಕ್ರಮದಲ್ಲಿ ಪ್ರತಿ ಪ್ರಶ್ನೆಗೆ ಗುಂಪು ಮಾಡಲಾಗಿದೆ. ಸಂಕೀರ್ಣ ಪ್ರಶ್ನೆಯನ್ನು ಬಹು ಮರುಪಡೆಯುವಿಕೆ ಉಪ-ಕಾರ್ಯಗಳಾಗಿ ಕೊಳೆತುಕೊಳ್ಳುವ ಏಜೆಂಟ್‌ಗಳಂತಹ ಸಮಾನಾಂತರವಾಗಿ ಸಂಬಂಧಿತ ಹುಡುಕಾಟಗಳನ್ನು ನೀಡಬೇಕಾದ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗೆ ಇದು ಸುತ್ತಿನ ಪ್ರಯಾಣವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.

ವಿಸ್ತೃತ ಫಿಲ್ಟರಿಂಗ್

ಡೊಮೇನ್ ಫಿಲ್ಟರಿಂಗ್ (ಅಲೋಲಿಸ್ಟ್ ಮತ್ತು ಡಿನೈಲಿಸ್ಟ್, 20 ಡೊಮೇನ್‌ಗಳವರೆಗೆ) ಮತ್ತು ಇತ್ತೀಚಿನ ಫಿಲ್ಟರಿಂಗ್ ಜೊತೆಗೆ, API ಈಗ ISO 639-1 ಕೋಡ್ ಮೂಲಕ ಭಾಷಾ ಫಿಲ್ಟರಿಂಗ್ ಅನ್ನು ಮತ್ತು ISO ದೇಶದ ಕೋಡ್ ಮೂಲಕ ಪ್ರಾದೇಶಿಕ ಹುಡುಕಾಟವನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ. ಫಲಿತಾಂಶಗಳನ್ನು ನಿಖರವಾಗಿ ಸ್ಕೋಪ್ ಮಾಡಲು ಇವುಗಳನ್ನು ಸಂಯೋಜಿಸಬಹುದು, ಉದಾಹರಣೆಗೆ ಜರ್ಮನ್ ಡೊಮೇನ್‌ಗಳಿಂದ ಇಂಗ್ಲಿಷ್ ಭಾಷೆಯ ಫಲಿತಾಂಶಗಳಿಗೆ ನಿರ್ಬಂಧಿಸುವುದು.

SDK ಮತ್ತು ಲಭ್ಯತೆ

Python SDK (pip install perplexityai) ಈಗ ಏಜೆಂಟ್ API ಮತ್ತು ಸೋನಾರ್ API ಜೊತೆಗೆ ಹುಡುಕಾಟ API ಗೆ ಸ್ಥಳೀಯ ಬೆಂಬಲವನ್ನು ಒದಗಿಸುತ್ತದೆ.

ಪೂರ್ಣ ದಸ್ತಾವೇಜನ್ನು docs.perplexity.ai ನಲ್ಲಿ ಇದೆ