curl -X POST "https://api.lemondata.cc/v1/rerank" \ -H "Authorization: Bearer sk-your-api-key" \ -H "Content-Type: application/json" \ -d '{ "model": "BAAI/bge-reranker-v2-m3", "query": "What is machine learning?", "documents": [ "Machine learning is a subset of AI", "The weather is nice today", "Deep learning uses neural networks" ], "top_n": 2, "return_documents": true }'
{ "results": [ { "index": 0, "relevance_score": 0.95, "document": "Machine learning is a subset of AI" }, { "index": 2, "relevance_score": 0.82, "document": "Deep learning uses neural networks" } ], "model": "BAAI/bge-reranker-v2-m3", "usage": { "prompt_tokens": 45, "total_tokens": 45 } }
쿼리와의 관련성에 따라 문서의 순위를 재조정합니다
BAAI/bge-reranker-v2-m3
qwen3-rerank
index
relevance_score
document
return_documents=true
사용할 reranker 모델의 ID입니다 (예: BAAI/bge-reranker-v2-m3 , qwen3-rerank ).
문서 순위를 매길 기준이 되는 쿼리입니다.
재순위화할 문서(문자열) 목록입니다.
반환할 상위 결과의 개수입니다. 기본값은 모든 문서입니다.
응답에 원본 문서 텍스트를 포함할지 여부입니다.
Response 200
점수가 포함된 문서의 순위 목록입니다. 각 결과에는 다음이 포함됩니다: index (integer): 원본 문서 인덱스 relevance_score (number): 관련성 점수 (0-1) document (string): 원본 텍스트 ( return_documents=true 인 경우)
재순위화에 사용된 모델입니다.
토큰 사용량 통계입니다.