MongoDB का मानना है कि केवल AI मॉडलों को बढ़ाने के बजाय, बेहतर डेटा पुनर्प्राप्ति विश्वसनीय एंटरप्राइज़ AI सिस्टम बनाने के लिए महत्वपूर्ण है। जैसे-जैसे एजेंटिक सिस्टम और रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) उत्पादन वातावरण में लोकप्रियता प्राप्त कर रहे हैं, डेटाबेस प्रदाता ने पुनर्प्राप्ति गुणवत्ता को एक महत्वपूर्ण बाधा के रूप में पहचाना है जो सटीकता, लागत-दक्षता और उपयोगकर्ता विश्वास पर नकारात्मक प्रभाव डाल सकती है, भले ही अंतर्निहित AI मॉडल मजबूत हों।

इस चुनौती का समाधान करने के लिए, MongoDB ने हाल ही में अपने एम्बेडिंग और रीरैंकिंग मॉडलों के चार नए संस्करण लॉन्च किए हैं, जिन्हें सामूहिक रूप से Voyage 4 के नाम से जाना जाता है। ये मॉडल AI अनुप्रयोगों के भीतर डेटा पुनर्प्राप्ति प्रक्रियाओं की परिशुद्धता और प्रभावशीलता को बढ़ाने के लिए डिज़ाइन किए गए हैं। Voyage 4 परिवार में voyage-4 एम्बेडिंग, एक सामान्य-उद्देश्य मॉडल; voyage-4-large, जिसे MongoDB का प्रमुख मॉडल माना जाता है; voyage-4-lite, जो कम-विलंबता और लागत-संवेदनशील अनुप्रयोगों के लिए अनुकूलित है; और voyage-4-nano, जो स्थानीय विकास, परीक्षण और ऑन-डिवाइस डेटा पुनर्प्राप्ति के लिए अभिप्रेत है, शामिल हैं। Voyage-4-nano MongoDB का ओपन-वेट मॉडलों में पहला प्रयास है।

सभी Voyage 4 मॉडल एक API के माध्यम से और MongoDB के एटलस प्लेटफॉर्म पर उपलब्ध हैं। कंपनी के अनुसार, ये मॉडल बाजार में तुलनीय पेशकशों से बेहतर प्रदर्शन करते हैं।

पुनर्प्राप्ति गुणवत्ता पर जोर AI समुदाय के भीतर बढ़ती जागरूकता को उजागर करता है कि एजेंटिक और RAG सिस्टम का प्रदर्शन प्रासंगिक जानकारी को कुशलतापूर्वक और सटीक रूप से एक्सेस करने की क्षमता पर बहुत अधिक निर्भर है। विशेष रूप से, RAG सिस्टम बड़े भाषा मॉडल (LLM) को दिए गए संकेतों को बढ़ाने के लिए ज्ञान के आधार से जानकारी प्राप्त करने पर निर्भर करते हैं, जिससे उत्पन्न प्रतिक्रियाओं की सटीकता और विश्वसनीयता में सुधार होता है। खराब पुनर्प्राप्ति के परिणामस्वरूप LLM को गलत या अधूरी जानकारी दी जा सकती है, जिसके परिणामस्वरूप त्रुटिपूर्ण आउटपुट और उपयोगकर्ता विश्वास में कमी आती है।

एम्बेडिंग और रीरैंकिंग मॉडलों को अनुकूलित करने पर ध्यान केंद्रित करके, MongoDB का लक्ष्य AI अनुप्रयोगों के समग्र प्रदर्शन और विश्वसनीयता में सुधार करना है जो कुशल डेटा पुनर्प्राप्ति पर निर्भर करते हैं। विभिन्न Voyage 4 मॉडलों की उपलब्धता सामान्य-उद्देश्य अनुप्रयोगों से लेकर संसाधन-बाधित वातावरण तक, उपयोग के मामलों की एक विस्तृत श्रृंखला को पूरा करती है। Voyage-4-nano की ओपन-वेट प्रकृति AI के लिए डेटा पुनर्प्राप्ति के क्षेत्र में सामुदायिक सहयोग और नवाचार को भी प्रोत्साहित करती है।

यह विकास AI परिदृश्य के भीतर ध्यान केंद्रित करने में बदलाव का प्रतीक है, यह स्वीकार करते हुए कि केवल मॉडल आकार में प्रगति विश्वसनीय और सटीक AI सिस्टम की गारंटी के लिए पर्याप्त नहीं है। इसके बजाय, एक समग्र दृष्टिकोण जो डेटा पुनर्प्राप्ति सहित पूरे AI पाइपलाइन पर विचार करता है, विश्वसनीय और प्रभावी एंटरप्राइज़ AI समाधान बनाने के लिए आवश्यक है। कंपनी ने कहा कि मॉडल अब उपलब्ध हैं।