企業(yè)級語言模型Command-R發(fā)布：專注RAG和工具使用 支持長達(dá)128k的上下文

　　Cohere團(tuán)隊(duì)于2024年3月11日發(fā)布了Command-R，一款旨在實(shí)現(xiàn)生產(chǎn)規(guī)模人工智能的新型檢索增強(qiáng)生成模型。該模型專注于檢索增強(qiáng)生成(RAG)和工具使用，是可擴(kuò)展的生成模型，旨在幫助企業(yè)從概念驗(yàn)證邁向?qū)嶋H生產(chǎn)。

　　高性能檢索增強(qiáng)生成 (RAG)

　　Command-R以其在RAG和工具使用方面的強(qiáng)大準(zhǔn)確性、低延遲、高吞吐量以及支持長達(dá)128k的上下文而脫穎而出。與Cohere行業(yè)領(lǐng)先的Embed和Rerank模型協(xié)同工作，Command-R在RAG應(yīng)用中實(shí)現(xiàn)了最佳集成，并在企業(yè)使用案例中表現(xiàn)卓越。

　　檢索增強(qiáng)生成(RAG)已經(jīng)成為LLMs部署中的關(guān)鍵模式，使企業(yè)能夠授予模型訪問其私有知識。Cohere的Embed模型和Rerank模型在檢索步驟中的改進(jìn)，提高了對相關(guān)信息的理解，從而提高了模型的準(zhǔn)確性和實(shí)用性。

　　(左)Command-R 和 Mixtral 在一系列與企業(yè)相關(guān)的 RAG 應(yīng)用程序上進(jìn)行的頭對頭整體人類偏好評估，考慮到流暢性、答案實(shí)用性和引用。(右)使用 Natural Questions( Kwiatkowski et al.2019)、TriviaQA(Joshi et al.2017)和 HotpotQA(Yang et al.2018)(單次檢索)基準(zhǔn)進(jìn)行端到端評估的平均準(zhǔn)確度所有模型的KILT 維基百科索引 ( Petroni et al.2020)。

　　Command-R通過工具使用的能力，實(shí)現(xiàn)了將LLMs轉(zhuǎn)變?yōu)楹诵耐评硪�擎，可以自動�?zhí)行任務(wù)并采取實(shí)際行動，而不僅僅是處理和生成文本。這包括使用API、代碼解釋器等用戶定義工具，使開發(fā)人員能夠?qū)�Command-R用于自動化需要使用內(nèi)部基礎(chǔ)設(shè)施和外部工具的復(fù)雜任務(wù)和工作流程。

　　更多的全球商業(yè)語言

　　該模型在全球商業(yè)中的應(yīng)用也得到了重視，支持10種主要商業(yè)語言，包括英語、法語、西班牙語、意大利語、德語、葡萄牙語、日語、韓語、阿拉伯語和中文。此外，Cohere的Embed和Rerank模型還原生支持100多種語言，使用戶能夠從各種數(shù)據(jù)源中提取答案。

　　更長的上下文窗口和改進(jìn)的定價(jià)

　　Command-R發(fā)布的重要升級之一是支持長達(dá)128k的上下文，同時在Cohere的托管API上實(shí)現(xiàn)價(jià)格下調(diào)，以及私有云部署的顯著效率改進(jìn)。這使得Command-R在檢索增強(qiáng)生成(RAG)應(yīng)用中能夠處理更多上下文，從而實(shí)現(xiàn)性能的顯著提升。

　　Cohere團(tuán)隊(duì)強(qiáng)調(diào)了對機(jī)器學(xué)習(xí)研究社區(qū)的支持，通過其非營利性研究實(shí)驗(yàn)室Cohere For AI公開發(fā)布Command-R版本的權(quán)重，以促進(jìn)獨(dú)立評估和學(xué)術(shù)研究。

　　Command-R的發(fā)布標(biāo)志著Cohere在面向生產(chǎn)規(guī)模的AI技術(shù)方面的持續(xù)努力，為企業(yè)提供可信賴的AI合作伙伴，同時保持對云選擇和數(shù)據(jù)隱私的核心關(guān)注。期待用戶對Command-R的反饋，并期待在未來提供更多可擴(kuò)展的模型，助力企業(yè)成功邁向生產(chǎn)規(guī)模的人工智能應(yīng)用。