e5-large-v2 (1024d эмбеддингтері)
нейрожелі
e5-large-v2 моделі ағылшын сөйлемдерін, абзацтар мен құжаттарды 1024 өлшемді тығыз векторларға түрлендіреді. Тиісті құжаттарды алу, семантикалық іздеу, қайта ранжирлеу және ұқсастықты бағалау үшін оңтайландырылған жоғары дәлдіктегі семантикалық эмбеддингтерді қамтамасыз етеді. Іздеу және ұсыным жүйелеріне 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: 'e5-large-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 e5-large-v2 (1024d эмбеддингтері)?
BotHub-та e5-large-v2 моделін қолданып көріңіз — семантикалық іздеуге арналған дәл эмбеддингтер.e5-large-v2 (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.
E5 Large v2 — intfloat ұсынған эмбеддинг моделі. Мәтін үзінділерін семантикалық іздеуге, сәйкестендіруге, кластерлеуге және RAG жүйелеріне жарамды векторлық көрсетілімдерге түрлендіреді. Сіз оны векторлық дерекқорлармен және мағыналық іздеу жүйелерімен біріктіре аласыз.
Модель мәтін үзінділері үшін сандық векторлық эмбеддингтерді береді; кіріс мәтін 512 токенмен шектелген. Сіз векторлық дерекқорларда сақтауға және семантикалық салыстыру, іздеу және индекстеу үшін пайдалануға ыңғайлы массивтерді аласыз.
Біздің деректерімізде модельдің нақты пайымдау тізбектерін орындайтыны туралы ақпарат жоқ. E5 Large v2 эмбеддингтерді — мағынаның ықшам векторлық көрсетілімдерін жасауға бағытталған. Егер сізге қадамдық түсініктемелер қажет болса, мәтіндік модельдерді қолданыңыз.
Біздің деректерімізде function calling немесе құрылымданған JSON шығысын қолдау туралы ақпарат жоқ; модель эмбеддингтерді сандық массивтер ретінде қайтарады. Функцияларды шақыруды және JSON пішімін ұйымдастыру үшін эмбеддингтердің үстінен фронт- немесе бэкенд-логикасын қолдануға болады.
Біздің деректерімізде мультимодальды кірістерді қабылдау туралы ақпарат жоқ; E5 Large v2 мәтінге арналған эмбеддинг моделі ретінде мәлімделген. Егер сізге кескіндерді немесе аудионы талдау қажет болса, арнайы мультимодальды модельдерді қарастырыңыз немесе медианы алдын ала мәтіндік сипаттамаларға түрлендіріңіз.
Біздің деректерімізде орыс тілін түсінудің нақты сапасы көрсетілмеген. Эмбеддингтер мәтіндердің семантикасын көрсетеді, бірақ сапасы оқыту деректеріне байланысты. Өндірістік ортаға енгізу алдында орыс тіліндегі мысалдарыңызда өз тестілеуіңізді жүргізуді ұсынамыз.