Sentence Transformers: all-MiniLM-L12-v2
Sentence Transformers all-MiniLM-L12-v2 מקודד משפטים ופסקאות קצרות לווקטורים בעלי 384 ממדים לחיפוש, לדמיון ולקיבוץ לאשכולות. מתכון הייחוס שלו משתמש באיגום ממוצע ובנרמול, עם קטיעה כברירת מחדל ב־256 חלקי מילה.
על המודל
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
all-MiniLM-L12-v2 הוא מקודד של Sentence Transformers למשפטים ולפסקאות קצרות. הוא מפיק וקטור צפוף אחד בעל 384 ממדים לכל טקסט לחיפוש סמנטי, לאחזור מידע, לקיבוץ לאשכולות ולדמיון בין משפטים. המודל משתמש בארכיטקטורת הבסיס MiniLM-L12-H384-uncased ועבר כוונון עדין בלמידה קונטרסטיבית על אוסף בן מיליארד זוגות משפטים.
קודדו את היחידה שברצונכם לאחזר
השתמשו במשפט או בפסקה קצרה שמביעים רעיון שימושי אחד. באוסף תיאורי מוצרים, שמרו את התכונה ואת התנאי שמבדילים את הפריט: התיאור ״המתאם מחבר אוזניות חוטיות ליציאת USB-C״ מספק יותר מידע מ״אביזר שמע״. אחסנו את מזהה הרשומה ואת התיאור המקורי לצד הווקטור שלו.
לאחר מכן אפשר להשוות שאילתת חיפוש לתיאורים המקודדים. בדקו את המועמדים שהוחזרו מול דרישות מדויקות כגון סוג מחבר או תאימות מכשיר לפני הצגת בחירה סופית. הווקטור מייצג את משמעות הטקסט; יישום החיפוש העוטף מאחזר את הרשומות המתאימות.
איגום ממוצע ווקטורים מנורמלים
דוגמת הקידוד שפורסמה מחשבת ממוצע של ייצוגי הטוקנים בעזרת מסכת הקשב, כך שמיקומי ריפוד אינם תורמים לממוצע. לאחר מכן היא מחילה נרמול L2. השלבים האלה הם חלק ממתכון הייחוס להשגת וקטור המשפט, ולא הוראה לקחת טוקן שרירותי מהטרנספורמר שבבסיס.
שמרו על תצורת מודל, איגום ונרמול עקבית בין טקסטים מאונדקסים לשאילתות חדשות. אפשר להשוות את הייצוגים המתקבלים, בעלי 384 הרכיבים, באמצעות דמיון קוסינוס. שמרו תיעוד של התצורה הזאת עם האוסף; מקודד אחר בעל 384 ממדים אינו נעשה תואם רק משום שאורך הווקטורים שלו זהה.
אורך קלט כברירת מחדל והיקף האימון
היצרן מציין קטיעה כברירת מחדל מעבר ל־256 חלקי מילה. זו מגבלת טוקנייזר, ולא מספר של מילים רגילות או תווים. ברשומה ארוכה יותר, בחרו מקטעים קצרים וקוהרנטיים ושמרו את הכותרת או הפרט המזהה הדרושים לפירוש כל אחד.
תהליך האימון של המודל השתמש ברצפים עד 128 טוקנים. הגדרת האימון הזאת נפרדת מברירת המחדל שפורסמה של 256 חלקי מילה בזמן קידוד. קטע שנכנס לברירת המחדל עדיין יכול להיות שונה מאוד מחומר המשפטים הקצרים ששימש באימון, ולכן העריכו תיאורים ארוכים או מקצועיים בעזרת דוגמאות מייצגות.
תהליכי דמיון וקיבוץ לאשכולות
בקבוצת הודעות תמיכה, הטמעות יכולות לספק קלטים מספריים לשלב קיבוץ. בדקו כמה הודעות מכל קבוצה מוצעת והודעות הסמוכות לגבול שלה לפני הקצאת תווית קריאה לבני אדם. בסקירת תוכן כפול, אחזרו רשומות דומות והשוו את הניסוח שלהן בפועל; שני קטעים יכולים לדון באותו נושא תוך מתן הוראות שונות.
מהדורת L12-v2 המדויקת הזאת היא פרופיל הטמעות למשפטים באנגלית. היא נבדלת מ־all-MiniLM-L6-v2 ומנקודות הביקורת paraphrase-MiniLM. שמות משפחה משותפים אינם מעבירים ביניהן את תצורת הרצף או מתכון האיגום. השתמשו בווקטורים הצפופים והקומפקטיים שלה יחד עם רשומות המקור והערכה ייעודית למשימה, במקום לראות בערך דמיון תשובה מאומתת או החלטה עריכתית סופית.
Ailoot Ultra · ייצוגים וקטוריים POST /v1/embeddings sentence-transformers/all-minilm-l12-v2
sentence-transformers/all-minilm-l12-v2
sentence-transformers/all-minilm-l12-v2התחלה
Sentence Transformers all-MiniLM-L12-v2 מקודד משפטים ופסקאות קצרות לווקטורים בעלי 384 ממדים לחיפוש, לדמיון ולקיבוץ לאשכולות. מתכון הייחוס שלו משתמש באיגום ממוצע ובנרמול, עם קטיעה כברירת מחדל ב־256 חלקי מילה.
- סוגי קלט נתמכים
- טקסט · token_ids
- תוצאות
- embedding
זמין ב-Ailoot · קלט ושיטות
Ailoot Ultra · ייצוגים וקטוריים POST /v1/embeddings
- סוגי קלט
text,token_ids- סוגי פלט
embedding- פורמט פלט
- json
| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות sentence-transformers/all-minilm-l12-v2 | ברירת מחדל— |
שדהinput | סוגstring|string[]|integer[]|integer[][] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 תנאים: אצווה אחידה שאינה ריקה. מזהי הטוקנים הם מספרים שלמים אי־שליליים. תקציב קלט: מקסימום: 512 · יחידת טקסט: בתים בקידוד UTF8 · יחידת טוקנים: רכיבים במערך טוקנים | ברירת מחדל— |
שדהencoding_format | סוגstring | דרישהרשות | ערכים ומגבלות float | ברירת מחדלfloat |
שדהdimensions | סוגinteger | דרישהלא נתמך | ערכים ומגבלות מינימום: 1 | ברירת מחדל— |
שדהuser | סוגjson_value | דרישהרשות | ערכים ומגבלות תנאים: המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל. | ברירת מחדל— |
שדהsession_id | סוגjson_value | דרישהרשות | ערכים ומגבלות תנאים: המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל. | ברירת מחדל— |
שדהtrace | סוגjson_value | דרישהרשות | ערכים ומגבלות תנאים: המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל. | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה | ברירת מחדל— |
שילובים של חומרי קלט
text_to_embedding
פרמטרים ומחזור חיים של השיטה
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, input |
פרמטרinput_shapes | מפרטstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
פרמטרencoding_format | מפרטfloat |
פרמטרdimensions_override | מפרטfalse |
פרמטרmax_input_budget_units | מפרט512 |
פרמטרmultimodal_objects | מפרטfalse |
פרמטרmaterial_types | מפרטtext, token_ids |
מחזור חיים: synchronous_json
שמרו כל אינדקס וקטור וממד.
שם מודל רב־מודאלי אינו מאפשר אובייקטי תמונה בנתיב המדויק הזה.
תעריפים
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
- מצב מהיר
- לא צוין כאשר נבחר מצב מהיר
- מצב Flex
- לא צוין כאשר נבחר מצב flex
- מאמץ חשיבה מרבי
- לא צוין כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)
תעריפי Ailoot
מחירים לפי תצורה
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.00001 / 1K טוקנים פלט · טוקני פלט $0 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
דוגמאות לבקשות
Ailoot Ultra · ייצוגים וקטוריים
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "sentence-transformers/all-minilm-l12-v2", "input": ["First document", "Second document"]}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
from openai import OpenAI
import os
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='sentence-transformers/all-minilm-l12-v2',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
קבלה ושמירה של תוצאות
Ailoot Ultra · ייצוגים וקטוריים
json
שמירת כל התוצאות שהושלמו
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל וקטור עם האינדקס שלו. מספר הווקטורים חייב להיות שווה למספר פריטי הקלט; מספר הממדים חייב להיות עקבי.
כשצריך לבדוק את התגובה המקורית
לא מתווספת נקודת קצה למשימות הטמעה.
שדות התגובה
| שדה | סוג |
|---|---|
שדהobject | סוגstring |
שדהmodel | סוגstring |
שדהdata[].index | סוגinteger |
שדהdata[].embedding | סוגfinite float[] |
שדהusage | סוגobject |
שגיאות והשלבים הבאים
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
כינויים
כינויים למודל
Ailoot Ultra sentence-transformers/all-minilm-l12-v2
כינויים לנתיבי שיטות
השתמשו בנתיבי השיטות המוצגים למעלה.
מזהי מודלים קשורים IDs
FAQ · Sentence Transformers: all-MiniLM-L12-v2
- אילו קלטים ותוצאות זמינים?
POST /v1/embeddings·sentence-transformers/all-minilm-l12-v2:text,token_ids→embedding- באילו שדות הבקשה משתמשת?
POST /v1/embeddings·sentence-transformers/all-minilm-l12-v2:model,input,encoding_format,provider- אילו מגבלות חלות?
POST /v1/embeddings·sentence-transformers/all-minilm-l12-v2:input.budget.maximum:512(בתים בקידוד UTF8);input.min_items:1