Neuigkeiten in Azure KI Search
Azure Cognitive Search heißt jetzt Azure KI Search. Hier erhalten Sie Informationen zu den aktuellen Updates der Azure KI Search-Funktionen, -Dokumente und -Beispiele.
Hinweis
Die Previewfunktionen werden hier angekündigt, aber wir führen auch eine Liste der Previewfunktionen, damit Sie sie an einem Ort finden können.
Oktober 2024
| Element | type | Beschreibung |
|---|---|---|
| Verringern der Dimensionsanforderungen für MRL-trainierte Texteinbettungsmodelle in Azure OpenAI | Funktion | Text-embedding-3-small und Text-embedding-3-large werden mit Matryoshka Representation Learning (MRL) trainiert. Auf diese Weise können Sie die Einbettungsvektoren auf weniger Dimensionen kürzen und das Gleichgewicht zwischen der Verwendung der Vektorindexgröße und der Abrufqualität anpassen. Eine neue truncationDimension in der Vorschauversion 2024-09-01-preview ermöglicht den Zugriff auf die MRL-Komprimierung in Texteinbettungsmodellen. Dies kann nur für neue Vektorfelder konfiguriert werden. |
Entpacken Sie @search.score, um Teilbewertungen in Hybridsuchergebnissen anzuzeigen |
Funktion | Sie können rangierte Reciprocal Rank Fusion (RRF)-Ergebnisse untersuchen, indem Sie die einzelnen Abfrageteilbewertungen des endgültigen zusammengeführten und bewerteten Ergebnisses anzeigen. Eine neue Eigenschaft debug entpackt die Suchbewertung. QueryResultDocumentSubscores, QueryResultDocumentRerankerInput und QueryResultDocumentSemanticField stellen die zusätzlichen Details bereit. Diese Definitionen sind in der Vorschauversion 2024-09-01-preview verfügbar. |
| Zielfilter in einer Hybridsuche nur für die Vektorabfragen | Funktion | Ein Filter für eine Hybridabfrage umfasst alle Unterabfragen für die Anforderung, unabhängig vom Typ. Sie können den globalen Filter überschreiben, um den Filter auf eine bestimmte Unterabfrage zu beschränken. Der neue Parameter filterOverride ist für Hybridabfragen mit der Vorschauversion 2024-09-01-preview verfügbar. |
| Textteilungsfähigkeit (Tokensegmentierung) | Applied AI (Skills) | Diese Fähigkeit verfügt über neue Parameter, welche die Datensegmentierung für Einbettungsmodelle verbessern. Mit einem neuen Parameter unit können Sie die Tokensegmentierung angeben. Sie können jetzt nach Tokenlänge segmentieren und die Länge auf einen Wert festlegen, der für Ihr Einbettungsmodell sinnvoll ist. Sie können auch den Tokenizer und alle Token angeben, die während der Datensegmentierung nicht aufgeteilt werden sollen. Der neue Parameter unit und die Definitionen für die Abfrageteilbewertung finden Sie in der Vorschauversion 2024-09-01-preview. |
| 2024-09-01-preview | API | Vorschauversion von REST-APIs für abgeschnittene Dimensionen in text-embedding-3-Modellen, gezielte Vektorfilterung für Hybridabfragen, RRF-Teilbewertungsdetails zum Debuggen und Tokensegmentierung für Textteilungsfähigkeit. |
August 2024
| Element | type | Beschreibung |
|---|---|---|
| Verbesserungen der Debugsitzung | feature | Es gibt zwei wichtige Verbesserungen. Erstens: Sie können integrierte Vektorisierungs- und Datenabschnittsworkloads debuggen. Zweitens: Debugsitzungen wurden neu gestaltet und bieten eine optimierte Darstellung von Fähigkeiten und Zuordnungen. Sie können ein Objekt im Flow auswählen und seine Details in einem Seitenbereich anzeigen oder bearbeiten. Das vorherige Layout im Registerkartenformat wird vollständig durch mehr kontextabhängige Informationen auf der Seite ersetzt. |
| 2024-07-01 | API | Stabiles Release von REST-APIs für allgemein verfügbare Vektordatentypen, Vektorkomprimierung und integrierte Vektorisierung während Indizierung und Abfragen. |
| integrierte Vektorisierung | Funktion | Ankündigung der allgemeinen Verfügbarkeit Skillgesteuertes Datenblocking und Einbetten während der Indizierung. |
| Vektorisierer | Funktion | Ankündigung der allgemeinen Verfügbarkeit Text-zu-Vektor-Konvertierung während der Abfrageausführung. Sowohl die Azure OpenAI-Vektorisierung als auch die benutzerdefinierte Web-API-Vektorisierung sind allgemein verfügbar. |
| AzureOpenAIEmbedding-Qualifikation | Funktion | Ankündigung der allgemeinen Verfügbarkeit Ein Fähigkeitstyp, der ein Azure OpenAI-Einbettungsmodell aufruft, um Einbettungen während der Indizierung zu generieren. |
| Indexprojektionen | Funktion | Ankündigung der allgemeinen Verfügbarkeit Eine Komponente einer Skillsetdefinition, welche die Form eines sekundären Indexes definiert und ein 1:n-Indexmuster unterstützt, bei dem Inhalte aus einer Anreicherungspipeline auf mehrere Indizes abzielen können. |
| Binäre und skalare Quantisierung | Funktion | Ankündigung der allgemeinen Verfügbarkeit Komprimieren Sie die Vektorindexgröße im Arbeitsspeicher und auf dem Datenträger mithilfe der integrierten Quantisierung. |
| Schmale Datentypen | Funktion | Ankündigung der allgemeinen Verfügbarkeit Weisen Sie Vektorfeldern einen kleineren Datentyp zu, wobei davon ausgegangen wird, dass eingehende Daten diesen Datentyp aufweisen. |
| Assistent zum Importieren und Vektorisieren von Daten | Azure-Portal | Ankündigung der allgemeinen Verfügbarkeit Ein Assistent, der eine vollständige Indizierungspipeline erstellt, die Datenblöcke und Vektorisierung enthält. Der Assistent erstellt alle erforderlichen Objekte und Konfigurationen. Dieses Release fügt Assistentenunterstützung für Azure Data Lake in Azure Storage hinzu. |
| Gespeicherte Eigenschaft | Funktion | Ankündigung der allgemeinen Verfügbarkeit Boolescher Wert, der die Speicherung von Vektorindizes reduziert, indem abrufbare Vektoren nicht gespeichert werden. |
| vectorQueries.Weight-Eigenschaft | Funktion | Ankündigung der allgemeinen Verfügbarkeit Geben Sie die relative Gewichtung der einzelnen Vektorabfragen in einem Suchvorgang an. |
Juli 2024
| Element | type | Beschreibung |
|---|---|---|
| Stellen Sie Ihren Daten Fragen | Accelerator | Ein Solution Accelerator für das RAG-Muster, der in Azure ausgeführt wird und für Abrufe Azure KI-Suche und zum Erstellen von Unterhaltungssucherfahrungen große Azure OpenAI-Sprachmodelle verwendet. Der Code mit Beispieldaten ist für Anwendungsfallszenarien wie Finanzberater und Vertragsüberprüfung und -zusammenfassung verfügbar. |
| Wissensgewinnung aus Unterhaltungen | Accelerator | Ein Solution Accelerator, der auf Azure KI-Suche, Azure Speech und Azure OpenAI-Diensten basiert, mit der Kundschaft umsetzbare Erkenntnisse aus Unterhaltungen nach dem Contact Center extrahieren können. |
| Erstellen Ihres eigenen Copilot | Accelerator | Erstellen Sie Ihre eigene benutzerdefinierte Copilot-Lösung, mit der Client Advisor die Leistungsfähigkeit von generativer KI sowohl für strukturierte als auch für unstrukturierte Daten nutzen kann. Helfen Sie Kunden, tägliche Aufgaben zu optimieren und bessere Interaktionen mit deren Kunden zu fördern. |
Juni 2024
| Element | type | Beschreibung |
|---|---|---|
| Bildsuche im Azure-Portal | Funktion | Der Such-Explorer unterstützt jetzt die Bildersuche. In einem Vektorindex mit vektorisierten Bildinhalten können Sie Bilder in den Such-Explorer ablegen, um eine Übereinstimmung abzufragen. |
Mai 2024
| Element | type | Beschreibung |
|---|---|---|
| Höhere Kapazität und mehr Vektorkontingent auf jeder Ebene (gleiche Abrechnungsrate) | Infrastruktur | In den meisten Regionen sind die Partitionsgrößen für Dienste, die nach dem 3. April 2024 erstellt wurden, für Standard 2 (S2), Standard 3 (S3) und Standard 3 High Density (S3 HD) nun noch größer. Um die größeren Partitionen zu erhalten, erstellen Sie einen neuen Dienst in einer Region mit neuerer Infrastruktur. Datenspeicheroptimierte Ebenen (L1 und L2) verfügen ebenfalls über mehr Kapazität. L1- und L2-Kunden müssen einen neuen Service erstellen, um von der höheren Kapazität zu profitieren. Derzeit steht kein direktes Upgrade zur Verfügung. Zusätzliche Kapazität ist jetzt in weiteren Regionen verfügbar: Deutschland, Norden, Deutschland, Westen-Mitte, Südafrika, Norden, Schweiz, Westenund Azure Government (Texas, Arizona und Virginia). |
| OneLake-Integration (Vorschau) | Funktion | Neuer Indexer für OneLake-Dateien und OneLake-Verknüpfungen. Wenn Sie Microsoft Fabric und OneLake für den Zugriff auf Daten in Amazon Web Services (AWS) und Google-Datenquellen verwenden, können Sie diesen Indexer nutzen, um externe Daten in einen Suchindex zu importieren. Dieser Indexer ist über das Azure-Portal, die 2024-05-01-preview REST API und Azure SDK-Pakete (Betaversion) verfügbar. |
| Vektorrelevanz Hybridabfragerelevanz |
Funktion | Vier Verbesserungen verbessern die Relevanz von Vektor- und Hybridsuchvorgängen. Zunächst können Sie Schwellenwerte für Vektorsuchergebnisse festlegen, um Ergebnisse mit niedriger Bewertung auszuschließen. Zweitens wenden Änderungen in der Abfragearchitektur Bewertungsprofile am Ende der Abfragepipeline für jeden Abfragetyp an. Die Dokumentverwertung ist ein allgemeines Bewertungsprofil und funktioniert jetzt wie erwartet für Vektor- und Hybridabfragen. Drittens können Sie MaxTextRecallSize und countAndFacetMode in Hybridabfragen festlegen, um die Menge der BM25-bewerteten Suchergebnisse zu steuern, die in das Hybridbewertungsmodell fließen. Viertens können Sie für die Vektor- und Hybridsuche eine Vektorabfrage gewichten, um ihre Bedeutung in einer Multiquery-Anforderung zu erhöhen oder zu verringern. |
| Unterstützung für binäre Vektoren | Funktion | Collection(Edm.Byte) ist ein neuer unterstützter Datentyp. Dieser Datentyp eröffnet die Integration mit den Cohere v3-Binär-Einbettungsmodellen sowie der benutzerdefinierten binären Quantisierung. Schmale Datentypen senken die Kosten für große Vektordatensätze. Weitere Informationen finden Sie unter Indizieren von Binärdaten für die Vektorsuche. |
| Azure KI Vision – Skill „Multimodale-Einbettung“ (Vorschau) | Fertigkeit | Ein neuer Skill, der an die multimodale Einbettungs-API von Azure KI Visiongebunden ist. Sie können während des Indizierens Einbettungen für Text oder Bilder generieren. Dieser Skill ist über das Azure-Portal und die 2024-05-01-preview REST API verfügbar. |
| Azure KI Vision-Vektorisierung (Vorschau) | Vektorisierung | Die neue Vektorisierung stellt mithilfe der API für multimodale Einbettungeneine Verbindung mit einer Azure KI Vision-Ressource her, um Einbettungen zur Abfragezeit zu generieren. Diese Vektorisierung ist über das Azure-Portal und die 2024-05-01-preview REST API verfügbar. |
| Vektorisierung des Azure KI Studio-Modellkatalogs (Vorschau) | Vektorisierung | Die neue Vektorisierung stellt eine Verbindung mit einem Einbettungsmodell her, das aus dem Azure KI Studio-Modellkatalog bereitgestellt wird. Diese Vektorisierung ist über das Azure-Portal und die 2024-05-01-preview REST API verfügbar. Implementieren der integrierten Vektorisierung mit Modellen aus Azure KI Studio |
| Der AzureOpenAIEmbedding-Skill (Vorschau) unterstützt weitere Modelle in Azure OpenAI | Fertigkeit | Unterstützt jetzt „text-embedding-3-large“ und „text-embedding-3-small“ sowie „text-embedding-ada-002“ aus dem vorherigen Update. Mit den neuen Eigenschaften dimensions und modelName können die verschiedenen Einbettungsmodelle in Azure OpenAI angegeben werden. Bislang waren die Dimensionen auf 1.536 Dimensionen begrenzt, und dies galt nur für „text-embedding-ada-002“. Der aktualisierte Skill ist über das Azure-Portal und über die REST-API 2024-05-01-preview verfügbar. |
| Azure-Portalupdates | Portal | Der Assistent zum Importieren und Vektorisieren von Daten unterstützt jetzt OneLake-Indexer als Datenquelle. Für Einbettungen unterstützt er auch Verbindungen mit Azure KI Vision (multimodal) sowie den Modellkatalog von Azure KI Studio und weitere Einbettungsmodelle in Azure OpenAI. Beim Hinzufügen eines Felds zu einem Index können Sie einen binären Datentyp auswählen. Der Suchexplorer verwendet standardmäßig die Version „2024-05-01-preview“ und unterstützt die neuen Previewfunktionen für Vektor- und Hybridabfragen. |
| 2024-05-01-Vorschau | API | Die neue Vorschauversion der Such-REST-APIs bietet neue Fähigkeiten und Vektorisierungen, einen neuen binären Datentyp, einen OneLake-Dateiindexer und neue Abfrageparameter für relevantere Ergebnisse. Lesen Sie Upgraden von REST-APIs, wenn Sie bereits Code für die 2023-07-01-preview geschrieben haben und zu dieser Version migrieren müssen. |
| Azure SDK-Betapakete | API | Lesen Sie die Änderungsprotokollen über die Unterstützung neuer Funktionen der folgenden Azure SDK-Betapakete: Azure SDK für Python, Azure SDK für .NET und Azure SDK für Java. |
| Python-Codebeispiele | Beispiele | Neue End-to-End-Beispiele zeigen die Integration mit Cohere Embed V3, die Integration mit OneLake- und Clouddaten-Plattformen auf Google und AWS und die Integration mit multimodalen Azure KI Vision-APIs. |
April 2024
| Element | type | Beschreibung |
|---|---|---|
| Sicherheitsupdate zur Offenlegung von Informationen | API | GET-Antworten geben keine Verbindungszeichenfolgen oder Schlüssel mehr zurück. Gilt für GET Skillset, GET Index und GET Indexer. Diese Änderung schützt Ihre Azure-Ressourcen, die in der KI-Suche integriert sind, vor unbefugtem Zugriff. |
| Mehr Speicher auf den Ebenen „Basic“ und „Standard“ | Infrastruktur | Basic unterstützt jetzt bis zu drei Partitionen und drei Replikate. Die Ebenen „Basic“ und „Standard“ (S1, S2, S3) weisen deutlich mehr Speicher pro Partition auf, wobei die Abrechnungsrate pro Partition identisch ist. Zusätzliche Kapazität unterliegt der regionalen Verfügbarkeit und gilt für neue Suchdienste, die nach dem 3. April 2024 erstellt wurden. Derzeit gibt es kein direktes Upgrade. Sie müssen daher einen neuen Suchdienst erstellen, um den zusätzlichen Speicher zu erhalten. |
| Höheres Kontingent für Vektoren | Infrastruktur | Vektorkontingente sind auch höher für neue Dienste, die nach dem 3. April 2024 in ausgewählten Regionen erstellt wurden. |
Vektorquantisierung, begrenzte Vektordatentypen und eine neue stored-Eigenschaft (Vorschau) |
Funktion | Zusammen fügen diese drei Features Vektorkomprimierung und intelligentere Speicheroptionen hinzu. Erstens: Die skalare Quantisierung reduziert die Vektorindexgröße im Arbeitsspeicher und auf dem Datenträger. Zweitens reduzieren schmale Datentypen den Speicher pro Feld durch Speichern kleinerer Werte. Drittens können Sie stored verwenden, um das Speichern einer zusätzlichen Kopie eines Vektors, der nur für Suchergebnisse verwendet wird, zu unterlassen. Wenn Sie in einer Abfrageantwort keine Vektoren benötigen, können Sie stored auf FALSE festlegen, um Speicherplatz zu sparen. |
| 2024-03-01-preview Such-REST-API | API | Neue Vorschauversion der Such-REST-APIs für die neuen Datentypen, Vektorkomprimierungseigenschaften und Vektorspeicheroptionen. |
| 2024-03-01-preview Verwaltungs-REST-API | API | Neue Vorschauversion der Verwaltungs-REST-APIs für Vorgänge auf der Steuerungsebene. |
| 01.07.2023 Ankündigung der Ausmusterung | API | Ankündigung der Ausmusterung am 8. April 2024. Der Support wird am 8. Juli 2024 eingestellt. Dies war die erste REST-API, die Vektorsuchunterstützung angeboten hat. Neuere API-Versionen weisen eine andere Vektorkonfiguration auf. Sie sollten so bald wie möglich zu einer neueren Version migrieren. |
Februar 2024
| Element | type | Beschreibung |
|---|---|---|
| Neue Dimensionsgrenzwerte | Funktion | Bei Vektorfeldern gelten jetzt maximale Dimensionsgrenzwerte von 3072 (bisher 2048). |
Ankündigungen für das Jahr 2023
| Monat | type | Ankündigung |
|---|---|---|
| November | Funktion | Vektorsuche, allgemein verfügbar. Die vorherige Einschränkung für kundenseitig verwaltete Schlüssel (Customer-Managed Keys, CMKs) besteht nicht mehr. Auch Vorfilter und der Umfassende KNN-Algorithmus (K Nearest Neighbors) sind jetzt allgemein verfügbar. |
| November | Funktion | Semantischer Sortierer, allgemein verfügbar |
| November | Funktion | Integrierte Vektorisierung (Preview) fügt Datenblockerstellung und Text-zu-Vektor-Konvertierungen während der Indizierung sowie Text-zu-Vektor-Konvertierungen zur Abfragezeit hinzu. |
| November | Funktion | Assistent zum Importieren und Vektorisieren von Daten (Preview) automatisiert Datenblöcke und Vektorisierung in einem Suchindex. Er zielt auf die REST-API 2023-10-01-Vorschauversion ab. |
| November | Funktion | Indexprojektionen (Preview) definieren die Form eines sekundären Indexes, die für ein 1:n-Indexmuster verwendet werden, bei dem Inhalte aus einer Anreicherungspipeline auf mehrere Indizes abzielen können. |
| November | API | 2023-11-01 Such-REST-API ist eine stabile Version der Such-REST-APIs für Vektorsuche und semantische Rangfolge. Informationen zu den allgemeinen verfügbaren Features finden Sie unter Upgrade-REST-APIs. |
| November | API | 2023-11-01 Verwaltungs-REST-API fügt APIs zum Aktivieren oder Deaktivieren des semantischen Sortierers hinzu. |
| November | Fertigkeit | Azure OpenAI Embedding-Fertigkeit (Preview) stellt eine Verbindung mit einem bereitgestellten Einbettungsmodell in Ihrer Azure OpenAI-Ressource her, um Einbettungen während der Skillsetausführung zu generieren. |
| November | Fertigkeit | Textteilungsfertigkeit (Preview) wurde in 2023-10-01-Preview aktualisiert, um die native Datenblockerstellung zu unterstützen. |
| November | Video | In Wie die Vektorsuche und semantische Rangfolge Ihre GPT-Prompts verbessern erfahren Sie, wie der Hybridabruf optimale Grundlagendaten zum Generieren hilfreicher KI-Antworten liefert und sowohl konzeptbasierte als auch schlüsselwortbasierte Suchvorgänge ermöglicht. |
| November | Beispiel | In Rollenbasierte Zugriffssteuerung in generativen KI-Anwendungen erfahren Sie, wie Sie mithilfe von Microsoft Entra ID und der Microsoft Graph-API differenzierte Benutzerberechtigungen für in Blöcke aufgeteilte Inhalte in Ihrem Index bereitstellen. |
| Oktober | Beispiel | Solution Accelerator „Mit Ihren Daten chatten“. End-to-End-RAG-Muster, das Azure KI Search als Abrufer verwendet. Er bietet Indizierung, Datenblöcke und Orchestrierung. |
| Oktober | Funktion | Vollständige K nächste Nachbarn (KNN) ist ein Bewertungsalgorithmus für die Ähnlichkeitssuche im Vektorraum. Nur in der REST-API 2023-10-01-Preview verfügbar. |
| Oktober | Funktion | Vorfilter der Vektorsuche wertet Filterkriterien vor der Abfrageausführung aus, wodurch der Inhalt reduziert wird, der durchsucht werden muss. Nur in der REST-API 2023-10-01-Preview verfügbar, über eine neue vectorFilterMode-Eigenschaft für die Abfrage, die je nach Ihren Anforderungen auf preFilter (Standard) oder postFilterfestgelegt werden kann. |
| Oktober | API | 2023-10-01 Vorschauversion der Such-REST-API, die die Definition für Vektorfelder und Vektorabfragen gravierend ändert. |
| August | Funktion | Erweiterte semantische Rangfolge. Aktualisierte Modelle werden für die semantische Neurangfolge ausgerollt, und die Verfügbarkeit wird auf weitere Regionen erweitert. Die maximale Anzahl eindeutiger Token verdoppelte sich von 128 auf 256. |
| Juli | Beispiel | Vektordemo (Azure SDK für JavaScript). Verwendet Node.js und die Bibliothek @azure/search-documents 12.0.0-beta.2, um Einbettungen zu generieren, einen Index zu erstellen und zu laden und mehrere Vektorabfragen auszuführen. |
| Juli | Beispiel | Vektordemo (Azure SDK für .NET). Verwendet die Bibliothek Azure.Search.Documents 11.5.0-beta.3, um Einbettungen zu generieren, einen Index zu erstellen und zu laden und mehrere Vektorabfragen auszuführen. Sie können auch dieses Beispiel vom Azure SDK-Team ausprobieren. |
| Juli | Beispiel | Vektordemo (Azure SDK für Python)Verwendet das letzte Betarelease von azure.search.documents, um Einbettungen zu generieren, einen Index zu erstellen und zu laden und mehrere Vektorabfragen auszuführen. Besuchen Sie das Azure-search-vector-samples/demo-python-Repo für weitere Vektorsuchdemos. |
| June | Funktion | Öffentliche Vorschau der Vektorsuche. |
| June | Funktion | Verfügbarkeit der semantischen Suche, ist jetzt im Basic-Tarif verfügbar. |
| June | API | 2023-07-01-preview Such-REST-API. Unterstützung für die Vektorsuche. |
| Mai | Funktion | Azure RBAC (rollenbasierte Zugriffssteuerung, allgemein verfügbar). |
| Mai | API | 2022-09-01 Verwaltungs-REST-API mit Unterstützung für die Konfiguration der Suche zur Verwendung der Azure-Rollen. Das Az.Search-Modul von Azure PowerShell und das Az Search-Modul der Azure CLI wurden aktualisiert, um Authentifizierungsoptionen für den Suchdienst zu unterstützen. Sie können auch den Terraform-Anbieter verwenden, um Authentifizierungsoptionen zu konfigurieren. (Ausführliche Informationen finden Sie in dieser Terraform-Schnellstartanleitung.) |
| April | Beispiel | Bereitstellung der Azure KI-Suche in mehreren Regionen für Geschäftskontinuität und Notfallwiederherstellung. Bereitstellungsskripts, die eine multiregionale Lösung für Azure KI Search vollständig konfigurieren (mit Optionen für die Synchronisierung von Inhalten und die Umleitung von Anforderungen bei Ausfall eines Endpunkts). |
| März | Beispiel | ChatGPT und Enterprise-Daten mit Azure OpenAI und der Azure KI-Suche (GitHub). Python-Code und eine Vorlage zum Kombinieren von Azure KI Search mit den großen Sprachmodellen in OpenAI. Hintergrundinformationen finden Sie in diesem Tech-Community-Blog-Beitrag: Revolutionize your Enterprise Data with ChatGPT (Revolutionieren Ihrer Enterprise-Daten mit ChatGPT). Die wichtigsten Punkte: Verwenden Sie Azure KI Search, um durchsuchbare Inhalte zu konsolidieren und zu indizieren. Fragen Sie den Index nach ersten Suchergebnissen ab. Stellen Sie Eingabeaufforderungen aus diesen Ergebnissen zusammen, und senden Sie sie an das gpt-35-turbo-Modell (Vorschau) in Azure OpenAI. Geben Sie eine dokumentübergreifende Antwort zurück, und stellen Sie Zitate und Transparenz in Ihrer kundenorientierten App bereit, damit Benutzer die Antwort bewerten können. |
Ankündigungen des Vorjahres
- Ankündigungen für das Jahr 2022
- Ankündigungen aus 2021
- Ankündigungen aus 2020
- Ankündigungen aus 2019
Dienst-Rebranding
Dieser Dienst hatte im Laufe der Jahre mehrere Namen. Hier sind sie in umgekehrter chronologischer Reihenfolge:
- Azure AI Search (November 2023) Wurde umbenannt, um den Azure AI-Diensten und den Kundenerwartungen gerecht zu werden.
- Azure Cognitive Search (Oktober 2019) Wurde umbenannt, um die erweiterte (optionale) Verwendung von kognitiven Skills und KI-Verarbeitung bei Dienstvorgängen widerzuspiegeln.
- Azure Search (März 2015) Der ursprüngliche Name.
Dienstupdates
Ankündigungen von Dienstupdates für die Azure KI Search finden Sie auf der Azure-Website.
Featureumbenennung
Die semantische Suche wurde im November 2023 in semantischer Sortierer umbenannt, um das Feature besser zu beschreiben, das eine L2-Rangfolge für ein bereits vorhandenes Resultset liefert.