GTE-Large — 1024D семантикалық эмбеддингтері
нейрожелі
Gte-large моделі ағылшын тіліндегі сөйлемдерді, абзацтар мен орташа ұзындықтағы құжаттарды 1024 өлшемді тығыз векторларға айналдырады.
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: 'gte-large',
input: 'The food was delicious and the waiter...',
encoding_format: 'float'
});
const embedding = response.data[0].embedding;
console.log(embedding);
}main();
Қалай жұмыс істейді GTE-Large — 1024D семантикалық эмбеддингтері?
Дәл семантикалық іздеу мен рейтинг үшін BotHub-та gte-large моделін қолданып көріңіз.GTE-Large — 1024D семантикалық 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.
GTE Large моделі эмбеддингтерді — мәтіннің сандық векторлық көріністерін жасайды. Ол семантикалық іздеу, рейтингтеу, RAG, кластерлеу және құжаттардың ұқсастығын анықтау үшін қолайлы. Оны векторлық дерекқорлармен және іздеу жүйелерімен біріктіру кезінде ұсыну қабаты ретінде пайдаланады.
Модель сандық эмбеддинг векторларын индекстеуге және ұқсастығы бойынша іздеуге жарамды жылжымалы нүктелі сандар жиымы түрінде береді. Формат әдетте векторлық дерекқорлармен және семантикалық іздеуге арналған API-мен үйлесімді.
Біздің деректерде оның жауап бермес бұрын ойлану қабілеті байқалмады. Эмбеддингтер негізінен кіріс мәтінінің семантикасын көрсетеді, олар пайымдау тізбегін генерациялау үшін емес, іздеу және салыстыру үшін қолданылады; егер қорытындылар маңызды болса, оны генеративті модельмен біріктіріңіз.
Біздің деректерде функцияларды шақыруды және құрылымдалған JSON шығысын қолдау байқалмады. Модель эмбеддингтерді қайтарады, ал құрылымдалған жауаптарды ұйымдастыру әдетте векторлық шығысты өңдейтін клиент немесе API қабатында жүзеге асырылады.
Мәтіннен басқа кіріс деректерін қабылдау біздің мәліметтерде көрсетілмеген. GTE Large эмбеддинг моделі ретінде мәлімделген, сондықтан мультимодальды деректерді жүктеу расталмаған; егер кескін немесе аудио эмбеддингтері қажет болса, сәйкес мультимодальды модельдерді іздеңіз.
Біздің деректерде орыс тілімен жұмыс істеу сапасы туралы ақпарат жоқ. Эмбеддингтер оқытуға негізделген семантиканы көрсетеді, сондықтан орыс тіліндегі дәлдік оқыту деректеріне байланысты. Модельдің жарамдылығын бағалау үшін оны өз мәтіндеріңізде тексеріп көруді ұсынамыз.