MPNet QA Embeddings (multi-qa-mpnet-base-dot-v1)

нейрожелі

Модель сөйлемдер мен қысқа абзацтарды 768 өлшемді тығыз векторлық көріністерге түрлендіріп, жоғары сапалы семантикалық сәйкестікті қамтамасыз етеді. Жауаптарды шығаруға, семантикалық іздеуге және мәтіндер арасындағы ұқсастықты бағалауға оңтайландырылған. BotHub арқылы қолжетімді және FAQ-боттарға, нәтижелерді рейтингтеуге және құжаттарды кластерлеуге жарамды.

Басты бет

/

Модельдер

/

Embedding моделдері

/

MPNet QA Embeddings (multi-qa-mpnet-base-dot-v1)

Сипаттамалары

Кіріс деректер
мәтін
Нәтиже
векторлар (эмбеддингтер)
Контекст өлшемі
512 токен
Вектор өлшемділігі
768
0,54 ₽

Промптың құны

(1М токенге қарай)

*Бағалар API-ді ECO-провайдерлер арқылы қолданғанда көрсетілген.
MPNet QA Embeddings (multi-qa-mpnet-base-dot-v1) үшін API және код үлгісіБіз OpenAI API-іне толық қолжетімділікті ұсынамыз. Біздің барлық соңғы нүктелер OpenAI-мен толық сәйкес келеді, оларды плагиндермен де, SDK арқылы өз бағдарламаңызды әзірлегенде де қолдануға болады.API кілтін жасау
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: 'multi-qa-mpnet-base-dot-v1',
    input: 'The food was delicious and the waiter...',
    encoding_format: 'float'
  });

  const embedding = response.data[0].embedding;

  console.log(embedding);
}
main();
illustaration

Қалай жұмыс істейді MPNet QA Embeddings (multi-qa-mpnet-base-dot-v1)?

Жылдам семантикалық іздеу және сәйкес жауаптарды шығару үшін BotHub арқылы модельді пайдаланыңыз.

MPNet QA Embeddings (multi-qa-mpnet-base-dot-v1) 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.

Бұл мәтін фрагменттерін векторлық көріністерге түрлендіретін sentence-transformers эмбеддинг моделі. Семантикалық іздеуге, сұрақтар мен жауаптарды сәйкестендіруге, құжаттарды кластерлеуге, RAG және мәтіндер арасындағы семантикалық ұқсастықты өлшеу қажет басқа да тапсырмаларға жарамды.

Модель векторлық эмбеддингтерді — векторлық деректер қорында индекстеуге және ұқсастығы бойынша салыстыруға дайын сандық массивтерді шығарады. Эмбеддингтер іздеу, рейтингтеу және кластерлеу үшін ыңғайлы. Қолдау көрсетілетін кіріс ұзындығы — 512 токенге дейін.

Бұл эмбеддинг моделі: ол ой жүгіртпейді және кеңейтілген жауаптарды генерацияламайды, тек мәтінді одан әрі өңдеу үшін векторлық көріністерге кодтайды. Кезең-кезеңімен ой жүгірту және мәтін генерациялау үшін осындай тапсырмаларға арнайы оқытылған генеративті модельді пайдаланыңыз.

Біздің деректерде функцияларды шақыру немесе құрылымдалған JSON қолдауы көрсетілмеген: модель эмбеддингтерді, яғни сандық векторларды қайтарады. Функцияларды шақыру және JSON жауаптарын қалыптастыру — бұл векторларды іздеу, рейтингтеу немесе әрі қарай өңдеу үшін пайдаланатын қолданбаңыздың деңгейінде жүзеге асырылады.

Біздің деректерде суреттерді, аудио немесе бейнелерді қабылдау мүмкіндігі көрсетілмеген. Multi QA Mpnet Base Dot v1 мәтіндік кірістерге арналған және эмбеддингтер шығарады. Мультимедиалық сұраулар үшін визуалды немесе дыбыстық деректерді қабылдайтын және кодтайтын мамандандырылған мультимодальды модельдерді қолданыңыз.

Біздің деректерде орыс тіліне арнайы қолдау көрсетілгені жазылмаған. Модель іздеу және сәйкестендіру үшін семантикалық көріністерге бағытталған; оның орыс тіліндегі сапасы оқытуға және сіздің мысалдарыңызға байланысты. Дәлдікті бағалау үшін құжаттар жинағыңызда сынақтан өткізу ұсынылады.

Қолдау қызметі10:00-ден 18:00-ге дейін МСК жұмыс істейміз