Perplexity 发布上下文嵌入模型预览版,登顶 ConTEB
Perplexity 于 10 月 1 日在 Hugging Face 发布上下文嵌入模型预览版 pplx-embed-v2-context-9b-preview,采用全新训练方式:编码文档每个 chunk 时都能看到整篇文档上下文,旨在解决 RAG 中 chunking 丢失全局信息的问题。模型在 ConTEB 基准上平均 nDCG@10 为所测模型最高,团队表示后续将继续提升性能并接入 API。
已确认
- 模型以预览版形式在 Hugging Face 上线,由 Perplexity 官方账号及其研究员 Antoine Chaffin 宣布。
- 新训练方法让每个 chunk 的编码过程可见整篇文档上下文,是上下文嵌入(contextual models)思路的实践,用于改进 RAG 中的 chunking 问题。
- 在 ConTEB 基准上,模型平均 nDCG@10 为所测模型中最高,但并非每项任务都第一;同时基于 turbopuffer 相关评测进行了对比。
- 在 chunk 检索任务上超越 voyage-context-4,且所需存储仅为 voyage-context-4 的八分之一。
- Antoine Chaffin 表示模型本身已经很强,此次发布主要证明方法有效;团队正在继续提升性能,模型之后将登陆 API。
为什么重要
- 上下文感知嵌入直击 RAG 管线中 chunking 切断语义的痛点,若方法得到推广,可能改变检索系统的默认设计。
- 在保持精度领先的同时将存储压缩到竞品的八分之一,对大规模向量库的部署成本有实际意义。
2026-10-01 ~ 2026-10-01 · 5 条相关
一手来源
- Perplexity 发布 pplx-embed-v2-context-9b,登顶 ConTEB 上下文嵌入榜 — perplexity_ai ·
- Perplexity 新嵌入模型存储仅 voyage-context-4 八分之一,chunk 检索更优 — perplexity_ai ·
- Perplexity 发布 pplx-embed-v2-context-9b 预览版,将登陆 API — antoine_chaffin ·
- 【源头】Perplexity 发布 pplx-embed-v2-context-9b,登顶 ConTEB 上下文嵌入榜 — perplexity_ai · 2026-10-01
- 【源头】Perplexity 新嵌入模型存储仅 voyage-context-4 八分之一,chunk 检索更优 — perplexity_ai · 2026-10-01
- 【源头】Perplexity 发布 pplx-embed-v2-context-9b 预览版,将登陆 API — antoine_chaffin · 2026-10-01
- Perplexity 发布上下文 embedding 模型,新训练法刷新 SOTA — antoine_chaffin · 2026-10-01
另有 1 条近重复转述:perplexity_ai