相关性工作台
在此工作台中，您可以比较我们的 Elastic Learned Sparse Encoder 模型（带有或不带有 RRF）和使用 BM25 的传统文本搜索。
开始使用 TMDB 的电影数据集作为示例数据来比较不同的混合搜索技术。或者 Fork 代码并提取您自己的数据，以便在您自己的数据上试用！
尝试以下查询以开始
- “黑客帝国”
- “太空电影”
- “超级英雄动画电影”
请注意，某些查询对于两种搜索技术都非常有效。例如，“黑客帝国”在两种模型中都表现良好。但是，对于像“超级英雄动画电影”这样的查询，Elastic Learned Sparse Encoder 模型优于 BM25。这可以归因于该模型的语义搜索功能。
浏览类似演示
可观测性
使用 AI 助手进行可观测性的根本原因分析
按照逐步过程使用 AI 助手进行可观测性，以执行服务级别目标 (SLO) 警报的根本原因分析。
搜索
AI 游乐场 - 卷起袖子
使用 Elasticsearch 中新推出的 AI 游乐场测试最新的 AI 搜索功能。提取您自己的数据或使用我们的示例数据来探索如何构建 RAG 系统，测试来自 OpenAI、Amazon Bedrock、Anthropic 等各种提供商的不同 LLM。
平台
Elastic Serverless
浏览这些交互式演示，了解在无服务器上入门是多么容易！
