「reranking」の検索結果

ユーザーや状況に合う上位候補を選ぶ推薦・ランキング処理を、候補取得から採点、選択、記録までの6段階で設計し、動くコードのひな形にするスキル。

• 個人向けコンテンツ配信の設計
• 検索やRAGの結果を並べ替えたいとき
• タスクの優先順位付け

Build and query a vault-local contextual BM25 retrieval index with optional multilingual Nomic cosine reranking; use for retrieve, hybrid retrieval, BM25, rerank, contextual retrieval, chunk search, vault search, semantic search, find relevant passages, or retrieval diagnostics. Derived caches stay under .vault-meta, remote egress requires explicit consent, and unavailable reranking falls back deterministically.

日本語の概要は準備中です。原文の説明を表示しています。

Use this skill to implement hybrid search combining BM25 keyword search with semantic vector search using Reciprocal Rank Fusion (RRF). **Trigger when user asks to:** - Combine keyword and semantic search - Implement hybrid search or multi-modal retrieval - Use BM25/pg_textsearch with pgvector together - Implement RRF (Reciprocal Rank Fusion) for search - Build search that handles both exact terms and meaning **Keywords:** hybrid search, BM25, pg_textsearch, RRF, reciprocal rank fusion, keyword search, full-text search, reranking, cross-encoder Covers: pg_textsearch BM25 index setup, parallel query patterns, client-side RRF fusion (Python/TypeScript), weighting strategies, and optional ML reranking.

日本語の概要は準備中です。原文の説明を表示しています。

Cross-encoder reranking and MMR diversity filtering for improved retrieval quality

日本語の概要は準備中です。原文の説明を表示しています。

Cohere API for enterprise NLP — embeddings, reranking, RAG, and text generation. Use when building RAG pipelines, semantic search, document reranking, or enterprise NLP applications. Command R+ excels at tool use and retrieval-augmented generation; Embed v3 and Rerank 3 are best-in-class for search quality.

日本語の概要は準備中です。原文の説明を表示しています。

Work with the @upstash/search TypeScript/JavaScript SDK, a serverless full-text and semantic search database with built-in reranking. Use when adding search to an app or site, creating a search index, upserting documents with searchable content and filterable metadata, running keyword, semantic, or hybrid search queries, reranking results, filtering with SQL-like or structured filter syntax, paginating with range, fetching or deleting documents, resetting an index, or checking index info. Also use when the user asks for site search, product, document, or knowledge-base search, or a managed search service that needs no cluster to run.

日本語の概要は準備中です。原文の説明を表示しています。

Build and query a vault-local contextual BM25 retrieval index with optional multilingual Nomic cosine reranking; use for retrieve, hybrid retrieval, BM25, rerank, contextual retrieval, chunk search, vault search, semantic search, find relevant passages, or retrieval diagnostics. Derived caches stay under .vault-meta, remote egress requires explicit consent, and unavailable reranking falls back deterministically.

日本語の概要は準備中です。原文の説明を表示しています。

Upstash サーバーレスデータプラットフォームリファレンス。 @upstash/redis — REST API、pipelining、transactions、JSON、Search、グローバルレプリケーション。 @upstash/ratelimit — Fixed Window、Sliding Window、Token Bucket、limit、blockUntilReady。 QStash — publishJSON、schedules、queues、DLQ、URL Groups、callbacks、flow-control。 @upstash/vector — upsert、query、ANN、hybrid index、sparse index、embedding models、namespace。 Rust 製ローカル vector DB エンジン fandhe-db とは別（こちらはマネージド SaaS の JS SDK）。 @upstash/workflow — durable execution、serve、context.run/sleep/call/invoke、waitForEvent、parallel steps、agents。 Upstash Search — search、upsert、fetch、range、filtering、reranking、algorithm、@upstash/search。 Upstash Box — サンドボックス、agent、filesystem、git、browser（CDP/AI actions/recordings）、network policy、snapshots、schedules。

SOTA semantic search — hybrid (sparse+dense), Graph RAG multi-hop, MMR diversity reranking, recency weighting

日本語の概要は準備中です。原文の説明を表示しています。

Set up and run local web searches using Bright Data SERP API with the unfancy-search pipeline (query expansion, SERP retrieval, RRF reranking).

日本語の概要は準備中です。原文の説明を表示しています。

Discovers requirements and generates architectural, design, and deployment guidance for dynamic hybrid search systems by combining semantic search and keyword search. Optimized for AlloyDB hybrid search use cases in Google Cloud. Use when users need vector search combined with structured SQL filtering, faceted attributes, semantic reranking, in-database AI validation, or serverless hosting across transactional relational databases, analytical data warehouses, or managed database engines. DON'T use this skill for simple keyword-only search, or when a standalone non-relational vector database is required.

日本語の概要は準備中です。原文の説明を表示しています。

Designs and implements production-grade RAG systems by chunking documents, generating embeddings, configuring vector stores, building hybrid search pipelines, applying reranking, and evaluating retrieval quality. Use when building RAG systems, vector databases, or knowledge-grounded AI applications requiring semantic search, document retrieval, context augmentation, similarity search, or embedding-based indexing.

日本語の概要は準備中です。原文の説明を表示しています。

Use when planning, debugging, tuning, evaluating, exporting, or deploying public Nemotron `embed`/`rerank` retrieval recipes.

日本語の概要は準備中です。原文の説明を表示しています。

Build and operate Retrieval-Augmented Generation (RAG) infrastructure with vector stores, embedding pipelines, and hybrid search. Covers ingestion, chunking strategies, reranking, and production deployment patterns.

日本語の概要は準備中です。原文の説明を表示しています。

Designs production-grade RAG systems with document chunking, embedding generation, vector store configuration, hybrid search pipelines, reranking, and retrieval quality evaluation.

日本語の概要は準備中です。原文の説明を表示しています。

千问AI平台（Qianwen AI Platform / DashScope）官方文档离线知识库，用于检索并回答模型选择、API Key、OpenAI 兼容接口、DashScope SDK、文本与多模态生成、图像/视频/语音、Realtime API、Embedding、Reranking、Function Calling、MCP、批量调用、计费、Token Plan、API/SDK/CLI 参考和模型更新等问题，也可基于官方文档生成示例代码与排障建议。当用户提到千问AI平台、Qianwen AI Platform、DashScope、通义千问 API、百炼 API、DASHSCOPE_API_KEY 或具体千问/万相模型接入时使用；千问聊天产品的一般使用、模型原理论文解读或无关的阿里云产品问题不使用。

日本語の概要は準備中です。原文の説明を表示しています。

Embedding strategies, ANN algorithms, hybrid search, RAG chunking strategies, and reranking for semantic search and retrieval.

日本語の概要は準備中です。原文の説明を表示しています。

Chunking strategies, embedding model selection, hybrid search, reranking, eval metrics

日本語の概要は準備中です。原文の説明を表示しています。

Use FlagEmbedding for embedding, reranking, retrieval evaluation, and fine-tuning workflows.

日本語の概要は準備中です。原文の説明を表示しています。

Route BEIR repository tasks for benchmark data loading, retrieval evaluation, reranking, generation, and training workflows.

日本語の概要は準備中です。原文の説明を表示しています。

Think and work like an expert Information Retrieval Scientist. Use when a task calls for Information Retrieval Scientist judgment. Reasons from the Probability Ranking Principle, Saracevic's relevance layers, and Cranfield pooling through tuned BM25, SPLADE/ColBERT/dense and LLM reranking, trec_eval/ir_measures with paired topic-level tests, interleaving, and nugget-based RAG evaluation while treating unjudged-as-nonrelevant pools, position-biased clicks, LLM-judge circularity, single-vector embedding limits, and benchmark contamination as first-class failure modes.

日本語の概要は準備中です。原文の説明を表示しています。

Think and work like an expert Animal Geneticist & Breeder. Use when a task calls for Animal Geneticist & Breeder judgment. Reasons from additive genetic variance, response to selection (R = i h sigma_A), accuracy, and inbreeding depression through REML/BLUP and ssGBLUP pipelines (BLUPF90, ASReml, WOMBAT), economic selection indices, optimum-contribution mate allocation, and Interbull MACE while treating confounded contemporary groups, prediction bias/dispersion, popular-sire inbreeding and rising deleterious haplotypes, GxE reranking, and pedigree or genotype-calling errors as first-class failure modes.

日本語の概要は準備中です。原文の説明を表示しています。

AI SDK for Python (the `ai` package). Use for Python model calls (LLMs, image, video, speech, embedding, transcription, reranking, or evaluation), agents, model interaction tests, tool calling, subagents, approvals, durable execution, telemetry, AI SDK UI backends, and custom providers.

日本語の概要は準備中です。原文の説明を表示しています。

Designs RAG retrieval for LLM grounding: chunking, BM25+vector hybrid, reranking, GraphRAG. Use when adding embeddings to SQLite FTS5 search or running held-out retrieval eval.

日本語の概要は準備中です。原文の説明を表示しています。