Cohere團隊于2024年3月11日發布了Command-R，一款旨在實現生產規模人工智能的新型檢索增強生成模型。該模型專注于檢索增強生成(RAG)和工具使用，是可擴展的生成模型，旨在幫助企業從概念驗證邁向實際生產。

　　高性能檢索增強生成 (RAG)

　　Command-R以其在RAG和工具使用方面的強大準確性、低延遲、高吞吐量以及支持長達128k的上下文而脫穎而出。與Cohere行業領先的Embed和Rerank模型協同工作，Command-R在RAG應用中實現了最佳集成，并在企業使用案例中表現卓越。

　　檢索增強生成(RAG)已經成為LLMs部署中的關鍵模式，使企業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，提高了對相關信息的理解，從而提高了模型的準確性和實用性。

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

　　Command-R通過工具使用的能力，實現了將LLMs轉變為核心推理引擎，可以自動執行任務并采取實際行動，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，使開發人員能夠將Command-R用于自動化需要使用內部基礎設施和外部工具的復雜任務和工作流程。

　　更多的全球商業語言

　　該模型在全球商業中的應用也得到了重視，支持10種主要商業語言，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據源中提取答案。

　　更長的上下文窗口和改進的定價

　　Command-R發布的重要升級之一是支持長達128k的上下文，同時在Cohere的托管API上實現價格下調，以及私有云部署的顯著效率改進。這使得Command-R在檢索增強生成(RAG)應用中能夠處理更多上下文，從而實現性能的顯著提升。

　　Cohere團隊強調了對機器學習研究社區的支持，通過其非營利性研究實驗室Cohere For AI公開發布Command-R版本的權重，以促進獨立評估和學術研究。

　　Command-R的發布標志著Cohere在面向生產規模的AI技術方面的持續努力，為企業提供可信賴的AI合作伙伴，同時保持對云選擇和數據隱私的核心關注。期待用戶對Command-R的反饋，并期待在未來提供更多可擴展的模型，助力企業成功邁向生產規模的人工智能應用。