సెర్చ్ API: మెరుగైన ఎక్స్‌ట్రాక్షన్, డైనమిక్ బెంచ్‌మార్క్‌లు

సెప్టెంబరులో, మేము Perplexity సెర్చ్ API ఆర్కిటెక్చర్ యొక్క సాంకేతిక అవలోకనాన్ని ప్రచురించాము మరియు ఏజెంట్ వర్క్‌ఫ్లోలలో సెర్చ్ APIలను బెంచ్‌మార్క్ చేయడానికి మా ఓపెన్ సోర్స్ మూల్యాంకన ఫ్రేమ్‌వర్క్ అయిన search_evalsని విడుదల చేసాము. అప్పటి నుండి, అత్యంత ముఖ్యమైన పెట్టుబడి స్నిప్పెట్ నాణ్యతపై పెట్టబడింది, ఇది ప్రాముఖ్యత మరియు పరిమాణం అనే రెండు పరిమాణాలలో ఆప్టిమైజ్ చేయబడింది. సరైన మొత్తంలో సరైన కంటెంట్‌ను అందించడం అనేది డౌన్‌స్ట్రీమ్ సమాధాన ఖచ్చితత్వాన్ని మరియు టోకెన్ సామర్థ్యాన్ని నేరుగా నిర్ణయిస్తుంది. అక్కడికి చేరుకోవడానికి చేసిన పనిలో ఎక్స్‌ట్రాక్షన్, స్పాన్-స్థాయి లేబులింగ్ మరియు మూల్యాంకనం కోసం కొత్త సిస్టమ్‌లను నిర్మించడం ఉంది, ముఖ్యంగా సోర్స్ డాక్యుమెంట్‌లో ఏ విభాగాలు నిర్దిష్ట ప్రశ్నకు ప్రతిస్పందిస్తాయో గుర్తించే స్పాన్-లేబులింగ్ పైప్‌లైన్.

స్పాన్ స్థాయిలో స్నిప్పెట్‌లను మూల్యాంకనం చేయడం

స్నిప్పెట్‌లను క్రమపద్ధతిలో మెరుగుపరచడానికి, మేము కొత్త మూల్యాంకన సిస్టమ్‌ను రూపొందించాము. ఇచ్చిన ప్రశ్న మరియు డాక్యుమెంట్ కోసం, సిస్టమ్ డాక్యుమెంట్‌లోని స్పాన్‌లను ప్రశ్నకు వాటి సంబంధం ద్వారా గుర్తించి లేబుల్ చేస్తుంది: స్నిప్పెట్‌లో చేర్చవలసిన "అవసరమైన" స్పాన్‌లు, మినహాయించవలసిన వివిధ రకాల "అసంబద్ధమైన" స్పాన్‌లు, డూప్లికేట్‌లు మరియు ఇతర వర్గాలు. ఈ స్పాన్-స్థాయి లేబులింగ్ గతంలో సాధ్యం కాని స్థాయి ఖచ్చితత్వంతో స్నిప్పెట్ నాణ్యతను అంచనా వేయడానికి మాకు అనుమతిస్తుంది, సరిగ్గా ఏమి చేర్చబడింది మరియు సరిగ్గా ఏమి వదిలివేయబడిందో రెండూ కొలుస్తుంది.

ఆచరణలో, ఈ మెరుగుదలలు ప్రశ్నకు మరింత అనుకూలంగా ఉండే చిన్న స్నిప్పెట్‌లను రూపొందించడానికి మాకు అనుమతిస్తాయి. మా స్వీయ-మెరుగుదల కంటెంట్ అవగాహన పైప్‌లైన్ ఇప్పుడు పట్టికలు, నెస్టెడ్ జాబితాలు మరియు గతంలో నియమాలు సరిగ్గా పార్స్ చేయడంలో విఫలమైన డైనమిక్‌గా రెండర్ చేయబడిన కంటెంట్‌తో సహా విస్తృత శ్రేణి నిర్మాణాత్మక డేటా ఫార్మాట్‌లను నిర్వహిస్తుంది.

ఈ మెరుగుదలలు మా స్వంత ప్రొడక్షన్ సిస్టమ్‌ల నుండి వచ్చాయి. మా అంతర్గత పరిశోధన స్నిప్పెట్ ప్రాముఖ్యతను మరియు పరిమాణాన్ని ముందుకు నడిపినప్పుడు, నాణ్యతా మెరుగుదలల శ్రేణి తర్వాత చిన్న కంటెంట్ బడ్జెట్‌లు వాస్తవంగా మరింత ఖచ్చితమైన ఫలితాలను ఉత్పత్తి చేస్తాయని అంతర్గత మూల్యాంకనాలు వెల్లడించాయి. మా కనుగొన్న వాటిని ప్రతిబింబించడానికి మేము మా డిఫాల్ట్ కాన్ఫిగరేషన్‌లలో కొన్ని మార్పులను చేసాము, ఫలితానికి మరింత ఉపయోగకరమైన కంటెంట్‌ను అందిస్తూ రెస్పాన్స్ పేలోడ్ పరిమాణాన్ని మరియు లేటెన్సీని తగ్గించాము. డెవలపర్‌ల కోసం, చిన్న, మరింత సంబంధిత స్నిప్పెట్‌లు నేరుగా తక్కువ టోకెన్ ఖర్చులుగా మరియు డౌన్‌స్ట్రీమ్ LLMల కోసం మెరుగైన కాంటెక్స్ట్ మేనేజ్‌మెంట్‌గా అనువదిస్తాయి.

SEAL: సమయ-సెన్సిటివ్ రిట్రీవల్‌ను బెంచ్‌మార్క్ చేస్తోంది

SEAL బెంచ్‌మార్క్, సరైన ప్రతిస్పందన కాలక్రమేణా మారుతున్న ప్రశ్నలకు రిట్రీవల్ సిస్టమ్ సమాధానం ఇవ్వగలదా అని పరీక్షಿಸುತ್ತದೆ. నమ్మకంగా సమాధానం ఇవ్వడానికి రియల్ టైమ్ ఇండెక్స్ ఫ్రెష్‌నెస్, నిరంతరం అప్‌డేట్ చేయబడే వివిధ డేటా మూలాల నుండి తెలివైన స్నిప్పెట్ ఎక్స్‌ట్రాక్షన్ మరియు చారిత్రక విలువ కాకుండా ప్రస్తుత విలువను గుర్తించగల పార్సింగ్ అవసరం.

మేము Claude Sonnet 4.5ని ఉపయోగించి ఫిబ్రవరి 22 SEAL విడుదలకు వ్యతిరేకంగా search_evalsని అమలు చేసినప్పుడు, SEAL-Hardపై ఇతర ప్రొవైడర్‌లు క్షీణించినప్పటికీ Perplexity స్కోర్‌లు పెరిగాయి:

విస్తరించు

మా సెప్టెంబర్ పోస్ట్‌లో నివేదించబడిన బెంచ్‌మార్క్‌లతో పాటు SEALని చేర్చడానికి మేము మా search_evals ఫ్రేమ్‌వర్క్‌ను పొడిగించాము. నవీకరించబడిన ఫలితాలు మరియు పద్ధతులు GitHubలోని అప్‌డేట్ చేయబడిన రిపోజిటరీలో అందుబాటులో ఉన్నాయి.

బహుళ-ప్రశ్న మద్దతు

API ఇప్పుడు ఒకే అభ్యర్థనలో గరిష్టంగా 5 ప్రశ్నలకు మద్దతు ఇస్తుంది. సమర్పించిన అదే క్రమంలో ప్రతి ప్రశ్నకు గ్రూప్ చేయబడిన ఫలితాలు తిరిగి ఇవ్వబడతాయి. ఇది సంక్లిష్టమైన ప్రశ్నను బహుళ రిట్రీవల్ ఉప-టాస్క్‌లుగా విభజించే ఏజెంట్‌ల వంటి, సమాంతరంగా సంబంధిత శోధనలను జారీ చేయవలసిన అప్లికేషన్‌ల కోసం రౌండ్ ట్రిప్‌లను తగ్గిస్తుంది.

విస్తరించిన ఫిల్టరింగ్

డొమైన్ ఫిల్టరింగ్ (అలవ్‌లిస్ట్ మరియు డినైలిస్ట్, గరిష్టంగా 20 డొమైన్‌లు) మరియు రీసెన్సీ ఫిల్టరింగ్‌తో పాటు, API ఇప్పుడు ISO 639-1 కోడ్ ద్వారా లాంగ్వేజ్ ఫిల్టరింగ్‌కు మరియు ISO దేశం కోడ్ ద్వారా ప్రాంతీయ శోధనకు మద్దతు ఇస్తుంది. ఫలితాలను ఖచ్చితంగా స్కోప్ చేయడానికి వీటిని మిళితం చేయవచ్చు, ఉదాహరణకు జర్మన్ డొమైన్‌ల నుండి ఇంగ్లీష్-భాషా ఫలితాలకు పరిమితం చేయడం.

SDK మరియు లభ్యత

Python SDK (pip install perplexityai) ఇప్పుడు ఏజెంట్ API మరియు Sonar APIతో పాటు సెర్చ్ APIకి నేటివ్ సపోర్ట్‌ను అందిస్తుంది.

పూర్తి డాక్యుమెంటేషన్ docs.perplexity.aiలో ఉంది