all-MiniLM-L12-v2 (384D)
нейрожелі
all-MiniLM-L12-v2 сөйлемдер мен қысқа абзацтарды тығыз 384 өлшемді векторларға түрлендіріп, жылдам әрі сапалы семантикалық эмбеддингтерді қамтамасыз етеді. Модель семантикалық іздеу, кластерлеу, ұқсас фрагменттерді табу, дедупликация және векторлық индекстерді құру үшін оңтайлы. BotHub-та рубльмен төлеу арқылы және VPN-сіз қолжетімді.
Сипаттамалары
- Кіріс деректер
- мәтін
- Нәтиже
- векторлар (эмбеддингтер)
- Контекст өлшемі
- 512 токен
- Вектор өлшемділігі
- 384
Промптың құны
(1М токенге қарай)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
async function main() {
const response = await openai.embeddings.create({
model: 'all-minilm-l12-v2',
input: 'The food was delicious and the waiter...',
encoding_format: 'float'
});
const embedding = response.data[0].embedding;
console.log(embedding);
}main();
Қалай жұмыс істейді all-MiniLM-L12-v2 (384D)?
all-MiniLM-L12-v2 моделін BotHub-та қолданып көріңіз — векторлық іздеуге арналған жылдам әрі үнемді эмбеддингтер.all-MiniLM-L12-v2 (384D) туралы жиі қойылатын сұрақтар
Генерация нәтижелерін коммерциялық мақсатта пайдалана аласыз. Жасалған контентке барлық құқық сізге тиесілі. Жалғыз шектеу: сұрауда үшінші тараптардың авторлық құқықпен қорғалған материалдары пайдаланылмағанына көз жеткізіңіз. Кіріс деректерінің құқықтарын сақтау жауапкершілігі пайдаланушыға жүктеледі.
All Minilm L12 v2 — sentence-transformers моделінің эмбеддинг үлгісі. Ол мәтінді семантикалық іздеу, RAG, кластерлеу және ұқсастықты салыстыру үшін векторлық көріністерге түрлендіреді. Құжаттарды индекстеуге, мағына бойынша іздеуге және ақпаратты алу тапсырмаларын жеделдетуге жарамды.
Модель сандық векторлық көріністерді (эмбеддингтерді) — векторлық дерекқорларда сақтауға және косинустық ұқсастық бойынша салыстыруға дайын нақты сандар массивтерін қайтарады. Нақты өлшемі біздің деректерде көрсетілмеген; кіріс мәтіні 512 токенмен шектелген.
Біздің деректерде жауап бермес бұрын пайымдау қабілеті туралы ақпарат жоқ. Эмбеддинг модельдері әдетте пайымдау тізбегін құрмайды: олар мәтін мағынасын векторларға кодтайды, ал логикалық немесе кезең-кезеңімен түсіндіруді жүйеңіздегі эмбеддингтердің үстінен құру керек.
Біздің деректерде function calling және құрылымдалған JSON шығаруды қолдауы туралы ақпарат жоқ. Модель эмбеддингтерді генерациялайды, ал нәтижелерді JSON-ға орау және сыртқы функцияларды шақыруды клиентте немесе векторларды қабылдап, құрылымды қалыптастыратын API-қабықшасы арқылы жүзеге асырыңыз.
Біздің деректерде кескіндерді, аудио немесе видео қабылдау мүмкіндігі көрсетілмеген. All Minilm L12 v2 мәтіндік эмбеддингтерге арналған: кіріске мәтіндік фрагменттерді беріңіз, ал қажет болса, басқа модальділіктерден алынған эмбеддингтерді жүйеңізде бөлек біріктіріңіз.
Біздің деректерде орыс тілін түсінуге қатысты нақты бағалаулар көрсетілмеген. Тиімділігі оқыту корпусына және тапсырмаға байланысты; модельді өз деректеріңіз бен эталондарыңызда сынақтан өткізуді ұсынамыз. Көптеген сценарийлерде эмбеддингтер пайдалы, бірақ нәтиже деректер сапасына байланысты анықталады.