bge-large-en-v1.5 — 1024D эмбеддингтері
нейрожелі
bge-large-en-v1.5 ағылшын тіліндегі сөйлемдерді, абзацтар мен құжаттарды жоғары семантикалық дәлдіктегі 1024 өлшемді тығыз векторларға айналдырады. Модель семантикалық іздеуге, құжаттар бойынша іздеуге және кластерлеу мен ранжирлеу сияқты басқа да NLP тапсырмаларына оңтайландырылған. Қосымшаларыңыз бен құбырларыңызға жылдам интеграциялау үшін BotHub арқылы қолжетімді.
Сипаттамалары
- Кіріс деректер
- мәтін
- Нәтиже
- векторлар (эмбеддингтер)
- Контекст өлшемі
- 512 токен
- Вектор өлшемділігі
- 1 024
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: 'bge-large-en-v1.5',
input: 'The food was delicious and the waiter...',
encoding_format: 'float'
});
const embedding = response.data[0].embedding;
console.log(embedding);
}main();
Қалай жұмыс істейді bge-large-en-v1.5 — 1024D эмбеддингтері?
BotHub-та bge-large-en-v1.5 моделін қосыңыз және ағылшын тіліндегі деректер үшін дәл семантикалық эмбеддингтер алыңыз.bge-large-en-v1.5 — 1024D эмбеддингтері 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.
BGE Large En v1.5 мәтіннің векторлық көріністерін — эмбеддингтерді жасайды. Семантикалық іздеуге, RAG, кластерлеуге, ұқсастықты сәйкестендіруге, ұсыныс жүйелеріне және іздеуді жылдамдатуға жарамды. Мәтінді сандық векторларға айналдыру қабаты ретінде қолданыңыз.
Модель бекітілген сандық векторларды — API арқылы сандар жиымы ретінде берілетін тығыз эмбеддингтерді шығарады. Енгізу контексті шектелген, ал нәтиже векторлық дерекқорларда (Qdrant, pgvector) сақтауға және косинус немесе скалярлық көбейтінді арқылы салыстыруға дайын.
Біздің деректерде модельдің тізбекті пайымдау жасайтыны туралы ақпарат жоқ. Эмбеддингтер кіріс мағынасын кодтайды, бірақ модель кезең-кезеңімен пайымдауларды генерациялауға арналмаған: оның міндеті — мәтінді сыртқы жүйелер өңдеуі үшін вектор түрінде көрсету.
Біздің деректерде функцияларды шақыру немесе құрылымдық JSON шығару туралы ақпарат жоқ. BGE Large En v1.5 эмбеддингтерді сандар жиымы ретінде қайтарады; JSON-ға орау немесе функцияларды шақыру осы векторларды пайдаланатын клиенттік тарапта жүзеге асырылады.
Біздің деректерде суреттерді, аудио немесе видеоны қабылдау туралы ақпарат жоқ. Модель EMBEDDING деп белгіленген, яғни тек мәтіндік кірістерді енгізуге арналған; егер мультимодальдылық қажет болса, провайдерден нақтылаңыз немесе арнайы модельдерді пайдаланыңыз.
Біздің ақпаратта бұл модельдің орыс тілін түсіну деңгейіне баға берілмеген. Модель эмбеддингтерге бағытталғандықтан, орыс тіліндегі жұмыс сапасы оның оқуына байланысты; орыс тіліндегі тапсырмаларға жарамдылығын бағалау үшін өз мысалдарыңызда тексеруді ұсынамыз.