ZeroEntropy تطلق Zerank-2: نموذج خفيف لإعادة الترتيب يضمن بحثًا أدق

أصدرت ZeroEntropy نموذج Zerank-2، وهو cross-encoder جديد لإعادة ترتيب نتائج البحث. يعتمد النموذج على Qwen3 ويضم 4 مليارات معامل فقط، لكنه يوفّر دقة عالية في خطوط المعالجة ذات المرحلتين (retrieve-and-rerank) المستخدمة في البحث عن المعلومات وفي أنظمة التوليد المعزَّز بالاسترجاع (RAG).

بنية البحث ذي المرحلتين

يندمج Zerank-2 في بنية البحث القياسية التي تتألف من مرحلتين. في المرحلة الأولى، يعيد bi-encoder سريع أو مُسترجِع (retriever) خفيف، مثل BM25 أو Elasticsearch، قائمة بأفضل K مرشحًا من قاعدة مستندات كبيرة. وفي المرحلة الثانية، يعيد Zerank-2 ترتيب هؤلاء المرشحين، فيقيّم من جديد مدى صلة كل مستند باستعلام المستخدم المحدد.

يعمل النموذج بوصفه cross-encoder: يقيّم زوج الاستعلام والمستند ككتلة واحدة، ويأخذ في الحسبان التفاعل الدلالي والسياق. وهذا أكثر كلفة حسابيًا من المقارنة الشعاعية، لكنه أدق منها بكثير. ولهذا السبب تعمل نماذج cross-encoder عادةً على مجموعة مختارة مسبقًا، لا على قاعدة البيانات بأكملها.

أبرز المزايا

• حجم مدمج (4 مليارات معامل): يتّسع في ذاكرة الفيديو لوحدة GPU استهلاكية واحدة
• دقة عالية في إعادة ترتيب المستندات دون إبطاء النظام
• توفير في الموارد: البحث ذو المرحلتين أرخص من بحث واحد بطيء في القاعدة كلها
• سهولة الدمج في أنظمة RAG وتطبيقات البحث القائمة
• مفتوح المصدر وجاهز للاستخدام الفوري

متى يكون مفيدًا

يكون Zerank-2 فعّالًا بوجه خاص في التطبيقات التي تتطلب دقة بحث عالية، لكن لا يمكنها مسح القاعدة كاملة بطريقة بطيئة. ومن السيناريوهات النموذجية: البحث في مستندات الشركة، وأنظمة الإجابة عن الأسئلة (question-answering)، وأنظمة التوصية، والمساعدات القائمة على RAG.

ويدمج المطورون Zerank-2 بالفعل في تطبيقات production. وعمليًا، تحقق البنية ذات المرحلتين مع Zerank-2 تحسنًا في الدقة بنسبة 30-50% مقارنة بالاسترجاع البسيط، مع إبطاء الاستعلام بمقدار 100-200 مللي ثانية فقط. ويعمل النموذج مع أي مُسترجِع، من BM25 إلى قواعد البيانات الشعاعية مثل Pinecone أو Weaviate.

«غالبًا ما يكون cross-encoder صغير ودقيق أنفع من encoder كبير»، بحسب

ما كتبه المطورون في الوثائق.

ماذا يعني ذلك

تصبح أنظمة RAG أكثر عملية وكفاءة. فبدلًا من الاختيار بين بحث سريع لكنه غير دقيق وآخر بطيء لكنه دقيق، يمكن الجمع بينهما: يعثر البحث السريع على المرشحين، ويختار Zerank-2 أفضلهم. ويكتسب ذلك أهمية خاصة لتطبيقات المؤسسات (enterprise)، التي تحتاج إلى السرعة والجودة معًا.

ويُظهر Zerank-2 أن نماذج cross-encoder المتخصصة ذات الحجم المتوسط غالبًا ما تتفوق في كفاءتها على النماذج العامة الكبيرة في المهام الضيقة.