Το Llama Nemotron Rerank VL 1B V2 αξιολογεί τη συνάφεια υποψήφιου κειμένου και εικόνων εγγράφων με ένα ερώτημα κειμένου, συμπεριλαμβανομένων διαγραμμάτων, πινάκων και σελίδων μικτών μέσων. Η NVIDIA το περιγράφει ως μοντέλο διασταυρούμενης κωδικοποίησης 1.7B παραμέτρων. Σε μια ροή ανάκτησης, εκτελέστε πρώτα την αρχική αναζήτηση και στη συνέχεια στείλτε τους επιλεγμένους υποψηφίους στον ανακατατάκτη. Το χρήσιμο αποτέλεσμα είναι ένα αναδιατεταγμένο σύνολο αυτών των υποψηφίων με βαθμολογίες συνάφειας, το οποίο μια εφαρμογή μπορεί να χρησιμοποιήσει για να επιλέξει συμφραζόμενα για μια απάντηση ή να οργανώσει μια σελίδα αποτελεσμάτων αναζήτησης.
Χρησιμοποιήστε POST /v1/rerank με σώμα application/json. Ορίστε το model σε "nvidia/llama-nemotron-rerank-vl-1b-v2:free", το query στο πραγματικό ερώτημα αναζήτησης και το documents σε μη κενό πίνακα. Κάθε υποψήφιο μπορεί να είναι συμβολοσειρά κειμένου ή αντικείμενο με text και/ή image· ένα δομημένο αντικείμενο πρέπει να παρέχει τουλάχιστον ένα από αυτά τα πεδία. Το text είναι συμβολοσειρά. Το image είναι απομακρυσμένο URL HTTP/HTTPS ή URI δεδομένων base64 που αρχίζει με data:image/. Ένα συνδυασμένο υποψήφιο παρέχει και τα δύο πεδία. Διατηρήστε τη σειρά αυτού του πίνακα εισόδου, ώστε οι επιστρεφόμενοι δείκτες να μπορούν να αντιστοιχιστούν με τα αποθηκευμένα ID εγγράφων σας. Το top_n είναι προαιρετικός ακέραιος τουλάχιστον 1 που ζητά τον αριθμό των εγγράφων με την υψηλότερη κατάταξη που θα επιστραφούν.
Για παράδειγμα, μια εφαρμογή κέντρου βοήθειας μπορεί να ανακτήσει αποσπάσματα για παράδοση, επιστροφές και πρόσβαση σε λογαριασμό και στη συνέχεια να τα ανακατατάξει με βάση την ερώτηση του πελάτη για την παράδοση. Περάστε το πραγματικό κείμενο των αποσπασμάτων αντί για ονόματα αρχείων ή αποσπάσματα μηχανής αναζήτησης άσχετα με την αποθηκευμένη πηγή. Κρατήστε κάθε απόσπασμα συνδεδεμένο με το δικό του αναγνωριστικό πηγής στην εφαρμογή, ώστε τα επιλεγμένα τεκμήρια να μπορούν αργότερα να παρατεθούν ή να ανοιχτούν. Για ένα σαρωμένο έγγραφο, διάγραμμα, πίνακα ή γράφημα πληροφοριών, παρέχετε την πραγματική εικόνα του σε αντικείμενο εγγράφου και προσθέστε κείμενο όταν βοηθά στον προσδιορισμό του περιεχομένου.
Η σελίδα του μοντέλου τεκμηριώνει όριο 10 240 tokens ανά ερώτημα και έγγραφο. Χωρίστε το εκτενέστερο αρχικό υλικό σε αποσπάσματα περιορισμένου μεγέθους πριν προετοιμάσετε τη λίστα υποψηφίων. Κρατήστε χρήσιμα περιβάλλοντα συμφραζόμενα με κάθε απόσπασμα, συμπεριλαμβανομένου του τίτλου ή του ονόματος προϊόντος όταν αλλάζει το νόημα. Το τεκμηριωμένο αίτημα ξεκινά με τους υποψηφίους που παρέχετε· δεν αναζητά σε συλλογή εγγράφων για λογαριασμό σας.
Η ανακατάταξη επιστρέφει σύγχρονο αποτέλεσμα JSON. Διαβάστε κάθε στοιχείο results, συμπεριλαμβανομένων του αρχικού index, του relevance_score και του επιστρεφόμενου αντικειμένου document, το οποίο μπορεί να περιέχει text και/ή image, και διατηρήστε τυχόν επιστρεφόμενο usage και αναγνωριστικά απάντησης. Χρησιμοποιήστε το index για να αντιστοιχίσετε το καταταγμένο αποτέλεσμα στο υποψήφιο εισόδου του. Αντιμετωπίστε μια βαθμολογία συνάφειας ως σήμα κατάταξης για αυτό το ερώτημα και όχι ως ανεξάρτητα επαληθευμένη πραγματολογική απάντηση. Διατηρήστε ολόκληρο το αποτέλεσμα όταν επιλέγονται πολλά αποσπάσματα για το επόμενο βήμα.
Προετοιμάστε δημόσιο ή συνθετικό υποψήφιο υλικό για αυτή τη δωρεάν έκδοση· οι τεκμηριωμένοι όροι χρήσης της αποκλείουν εμπιστευτικές πληροφορίες και προσωπικά δεδομένα. Αν ένα αίτημα τερματιστεί χωρίς πλήρες αποτέλεσμα, κρατήστε την αρχική απάντηση και το αναγνωριστικό αιτήματος κατά τον έλεγχο εκείνης της προσπάθειας. Η τεκμηριωμένη ροή ανακατάταξης επιστρέφει το αποτέλεσμά της απευθείας και δεν παρέχει ξεχωριστή ροή περιοδικού ελέγχου εργασίας ή ακύρωσης.
", "aboutText": "Το Llama Nemotron Rerank VL 1B V2 αξιολογεί τη συνάφεια υποψήφιου κειμένου και εικόνων εγγράφων με ένα ερώτημα κειμένου, συμπεριλαμβανομένων διαγραμμάτων, πινάκων και σελίδων μικτών μέσων. Η NVIDIA το περιγράφει ως μοντέλο διασταυρούμενης κωδικοποίησης 1.7B παραμέτρων. Σε μια ροή ανάκτησης, εκτελέστε πρώτα την αρχική αναζήτηση και στη συνέχεια στείλτε τους επιλεγμένους υποψηφίους στον ανακατατάκτη. Το χρήσιμο αποτέλεσμα είναι ένα αναδιατεταγμένο σύνολο αυτών των υποψηφίων με βαθμολογίες συνάφειας, το οποίο μια εφαρμογή μπορεί να χρησιμοποιήσει για να επιλέξει συμφραζόμενα για μια απάντηση ή να οργανώσει μια σελίδα αποτελεσμάτων αναζήτησης.\n\nΧρησιμοποιήστε POST /v1/rerank με σώμα application/json. Ορίστε το model σε \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", το query στο πραγματικό ερώτημα αναζήτησης και το documents σε μη κενό πίνακα. Κάθε υποψήφιο μπορεί να είναι συμβολοσειρά κειμένου ή αντικείμενο με text και/ή image· ένα δομημένο αντικείμενο πρέπει να παρέχει τουλάχιστον ένα από αυτά τα πεδία. Το text είναι συμβολοσειρά. Το image είναι απομακρυσμένο URL HTTP/HTTPS ή URI δεδομένων base64 που αρχίζει με data:image/. Ένα συνδυασμένο υποψήφιο παρέχει και τα δύο πεδία. Διατηρήστε τη σειρά αυτού του πίνακα εισόδου, ώστε οι επιστρεφόμενοι δείκτες να μπορούν να αντιστοιχιστούν με τα αποθηκευμένα ID εγγράφων σας. Το top_n είναι προαιρετικός ακέραιος τουλάχιστον 1 που ζητά τον αριθμό των εγγράφων με την υψηλότερη κατάταξη που θα επιστραφούν.\n\nΓια παράδειγμα, μια εφαρμογή κέντρου βοήθειας μπορεί να ανακτήσει αποσπάσματα για παράδοση, επιστροφές και πρόσβαση σε λογαριασμό και στη συνέχεια να τα ανακατατάξει με βάση την ερώτηση του πελάτη για την παράδοση. Περάστε το πραγματικό κείμενο των αποσπασμάτων αντί για ονόματα αρχείων ή αποσπάσματα μηχανής αναζήτησης άσχετα με την αποθηκευμένη πηγή. Κρατήστε κάθε απόσπασμα συνδεδεμένο με το δικό του αναγνωριστικό πηγής στην εφαρμογή, ώστε τα επιλεγμένα τεκμήρια να μπορούν αργότερα να παρατεθούν ή να ανοιχτούν. Για ένα σαρωμένο έγγραφο, διάγραμμα, πίνακα ή γράφημα πληροφοριών, παρέχετε την πραγματική εικόνα του σε αντικείμενο εγγράφου και προσθέστε κείμενο όταν βοηθά στον προσδιορισμό του περιεχομένου.\n\nΗ σελίδα του μοντέλου τεκμηριώνει όριο 10 240 tokens ανά ερώτημα και έγγραφο. Χωρίστε το εκτενέστερο αρχικό υλικό σε αποσπάσματα περιορισμένου μεγέθους πριν προετοιμάσετε τη λίστα υποψηφίων. Κρατήστε χρήσιμα περιβάλλοντα συμφραζόμενα με κάθε απόσπασμα, συμπεριλαμβανομένου του τίτλου ή του ονόματος προϊόντος όταν αλλάζει το νόημα. Το τεκμηριωμένο αίτημα ξεκινά με τους υποψηφίους που παρέχετε· δεν αναζητά σε συλλογή εγγράφων για λογαριασμό σας.\n\nΗ ανακατάταξη επιστρέφει σύγχρονο αποτέλεσμα JSON. Διαβάστε κάθε στοιχείο results, συμπεριλαμβανομένων του αρχικού index, του relevance_score και του επιστρεφόμενου αντικειμένου document, το οποίο μπορεί να περιέχει text και/ή image, και διατηρήστε τυχόν επιστρεφόμενο usage και αναγνωριστικά απάντησης. Χρησιμοποιήστε το index για να αντιστοιχίσετε το καταταγμένο αποτέλεσμα στο υποψήφιο εισόδου του. Αντιμετωπίστε μια βαθμολογία συνάφειας ως σήμα κατάταξης για αυτό το ερώτημα και όχι ως ανεξάρτητα επαληθευμένη πραγματολογική απάντηση. Διατηρήστε ολόκληρο το αποτέλεσμα όταν επιλέγονται πολλά αποσπάσματα για το επόμενο βήμα.\n\nΠροετοιμάστε δημόσιο ή συνθετικό υποψήφιο υλικό για αυτή τη δωρεάν έκδοση· οι τεκμηριωμένοι όροι χρήσης της αποκλείουν εμπιστευτικές πληροφορίες και προσωπικά δεδομένα. Αν ένα αίτημα τερματιστεί χωρίς πλήρες αποτέλεσμα, κρατήστε την αρχική απάντηση και το αναγνωριστικό αιτήματος κατά τον έλεγχο εκείνης της προσπάθειας. Η τεκμηριωμένη ροή ανακατάταξης επιστρέφει το αποτέλεσμά της απευθείας και δεν παρέχει ξεχωριστή ροή περιοδικού ελέγχου εργασίας ή ακύρωσης.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2b9b27e68a3b319ea9e2cd2e4325ab4fe53dbb6b25ee609e1cc673c90d17c499", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "el", "methods": [ { "html": "nvidia/llama-nemotron-rerank-vl-1b-v2:freeΤο Llama Nemotron Rerank VL 1B V2 είναι ο ανακατατάκτης διασταυρούμενης κωδικοποίησης της NVIDIA για ταξινόμηση ανακτημένου υλικού βάσει της συνάφειάς του με ένα ερώτημα. Στείλτε ένα ερώτημα και υποψήφια έγγραφα κειμένου, εικόνας ή συνδυασμού τους και στη συνέχεια χρησιμοποιήστε τις επιστρεφόμενες βαθμολογίες και τους αρχικούς δείκτες για να επιλέξετε τα αποσπάσματα για αποτελέσματα αναζήτησης ή για μια απάντηση εμπλουτισμένη με ανάκτηση πληροφοριών.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Llama Nemotron Rerank VL 1B V2 αξιολογεί τη συνάφεια υποψήφιου κειμένου και εικόνων εγγράφων με ένα ερώτημα κειμένου, συμπεριλαμβανομένων διαγραμμάτων, πινάκων και σελίδων μικτών μέσων. Η NVIDIA το περιγράφει ως μοντέλο διασταυρούμενης κωδικοποίησης 1.7B παραμέτρων. Σε μια ροή ανάκτησης, εκτελέστε πρώτα την αρχική αναζήτηση και στη συνέχεια στείλτε τους επιλεγμένους υποψηφίους στον ανακατατάκτη. Το χρήσιμο αποτέλεσμα είναι ένα αναδιατεταγμένο σύνολο αυτών των υποψηφίων με βαθμολογίες συνάφειας, το οποίο μια εφαρμογή μπορεί να χρησιμοποιήσει για να επιλέξει συμφραζόμενα για μια απάντηση ή να οργανώσει μια σελίδα αποτελεσμάτων αναζήτησης.
Χρησιμοποιήστε POST /v1/rerank με σώμα application/json. Ορίστε το model σε "nvidia/llama-nemotron-rerank-vl-1b-v2:free", το query στο πραγματικό ερώτημα αναζήτησης και το documents σε μη κενό πίνακα. Κάθε υποψήφιο μπορεί να είναι συμβολοσειρά κειμένου ή αντικείμενο με text και/ή image· ένα δομημένο αντικείμενο πρέπει να παρέχει τουλάχιστον ένα από αυτά τα πεδία. Το text είναι συμβολοσειρά. Το image είναι απομακρυσμένο URL HTTP/HTTPS ή URI δεδομένων base64 που αρχίζει με data:image/. Ένα συνδυασμένο υποψήφιο παρέχει και τα δύο πεδία. Διατηρήστε τη σειρά αυτού του πίνακα εισόδου, ώστε οι επιστρεφόμενοι δείκτες να μπορούν να αντιστοιχιστούν με τα αποθηκευμένα ID εγγράφων σας. Το top_n είναι προαιρετικός ακέραιος τουλάχιστον 1 που ζητά τον αριθμό των εγγράφων με την υψηλότερη κατάταξη που θα επιστραφούν.
Για παράδειγμα, μια εφαρμογή κέντρου βοήθειας μπορεί να ανακτήσει αποσπάσματα για παράδοση, επιστροφές και πρόσβαση σε λογαριασμό και στη συνέχεια να τα ανακατατάξει με βάση την ερώτηση του πελάτη για την παράδοση. Περάστε το πραγματικό κείμενο των αποσπασμάτων αντί για ονόματα αρχείων ή αποσπάσματα μηχανής αναζήτησης άσχετα με την αποθηκευμένη πηγή. Κρατήστε κάθε απόσπασμα συνδεδεμένο με το δικό του αναγνωριστικό πηγής στην εφαρμογή, ώστε τα επιλεγμένα τεκμήρια να μπορούν αργότερα να παρατεθούν ή να ανοιχτούν. Για ένα σαρωμένο έγγραφο, διάγραμμα, πίνακα ή γράφημα πληροφοριών, παρέχετε την πραγματική εικόνα του σε αντικείμενο εγγράφου και προσθέστε κείμενο όταν βοηθά στον προσδιορισμό του περιεχομένου.
Η σελίδα του μοντέλου τεκμηριώνει όριο 10 240 tokens ανά ερώτημα και έγγραφο. Χωρίστε το εκτενέστερο αρχικό υλικό σε αποσπάσματα περιορισμένου μεγέθους πριν προετοιμάσετε τη λίστα υποψηφίων. Κρατήστε χρήσιμα περιβάλλοντα συμφραζόμενα με κάθε απόσπασμα, συμπεριλαμβανομένου του τίτλου ή του ονόματος προϊόντος όταν αλλάζει το νόημα. Το τεκμηριωμένο αίτημα ξεκινά με τους υποψηφίους που παρέχετε· δεν αναζητά σε συλλογή εγγράφων για λογαριασμό σας.
Η ανακατάταξη επιστρέφει σύγχρονο αποτέλεσμα JSON. Διαβάστε κάθε στοιχείο results, συμπεριλαμβανομένων του αρχικού index, του relevance_score και του επιστρεφόμενου αντικειμένου document, το οποίο μπορεί να περιέχει text και/ή image, και διατηρήστε τυχόν επιστρεφόμενο usage και αναγνωριστικά απάντησης. Χρησιμοποιήστε το index για να αντιστοιχίσετε το καταταγμένο αποτέλεσμα στο υποψήφιο εισόδου του. Αντιμετωπίστε μια βαθμολογία συνάφειας ως σήμα κατάταξης για αυτό το ερώτημα και όχι ως ανεξάρτητα επαληθευμένη πραγματολογική απάντηση. Διατηρήστε ολόκληρο το αποτέλεσμα όταν επιλέγονται πολλά αποσπάσματα για το επόμενο βήμα.
Προετοιμάστε δημόσιο ή συνθετικό υποψήφιο υλικό για αυτή τη δωρεάν έκδοση· οι τεκμηριωμένοι όροι χρήσης της αποκλείουν εμπιστευτικές πληροφορίες και προσωπικά δεδομένα. Αν ένα αίτημα τερματιστεί χωρίς πλήρες αποτέλεσμα, κρατήστε την αρχική απάντηση και το αναγνωριστικό αιτήματος κατά τον έλεγχο εκείνης της προσπάθειας. Η τεκμηριωμένη ροή ανακατάταξης επιστρέφει το αποτέλεσμά της απευθείας και δεν παρέχει ξεχωριστή ροή περιοδικού ελέγχου εργασίας ή ακύρωσης.
POST /v1/reranktextranking| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια nvidia/llama-nemotron-rerank-vl-1b-v2:free | Προεπιλογή— |
Πεδίοquery | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοdocuments | Τύποςarray | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtop_n | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 | Προεπιλογή— |
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, query, documents |
Παράμετροςoptional | Σύμβασηtop_n |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςconditions | Σύμβαση |
Κύκλος ζωής: synchronous_json
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.
| Διαμόρφωση | Πίνακας χρεώσεων | Ποσότητα τιμολόγησης | Χρέωση |
|---|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις token | Πίνακας χρεώσεωνΒασική χρέωση | Ποσότητα τιμολόγησης— | Χρέωση Είσοδος · Token εισόδου — / 1K token Έξοδος · Token εξόδου — / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
| ΔιαμόρφωσηΑνά αίτημα | Πίνακας χρεώσεων— | Ποσότητα τιμολόγησηςένα αίτημα | Χρέωση Είσοδος $0 ανά αίτημα |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"documents": ["Paris is the capital of France.", "Berlin is the capital of Germany."], "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free", "query": "What is the capital of France?", "top_n": 3}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
| Πεδίο | Τύπος |
|---|---|
Πεδίοresults | Τύποςarray |
Ailoot Ultra nvidia/llama-nemotron-rerank-vl-1b-v2:free
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.