Source: https://ailoot.ai/models/he/sentence-transformers-multi-qa-mpnet-base-dot-v1/
Canonical: https://ailoot.ai/models/he/sentence-transformers-multi-qa-mpnet-base-dot-v1/
Language: he

# Sentence Transformers: multi-qa-mpnet-base-dot-v1

[Markdown](https://ailoot.ai/models/he/sentence-transformers-multi-qa-mpnet-base-dot-v1/index.md) · [JSON](https://ailoot.ai/models/he/sentence-transformers-multi-qa-mpnet-base-dot-v1/facts.json)

## [Sentence Transformers: multi-qa-mpnet-base-dot-v1](https://ailoot.ai/models/he/sentence-transformers-multi-qa-mpnet-base-dot-v1/)

Sentence Transformers multi-qa-mpnet-base-dot-v1 מקודד שאלות וקטעים לווקטורים בעלי 768 ממדים לחיפוש סמנטי. הוא משתמש באיגום CLS ובהטמעות לא מנורמלות המיועדות למתן ציונים במכפלה סקלרית, עם מגבלת קלט של 512 חלקי מילה.

- [**Ailoot Ultra · ייצוגים וקטוריים** `POST /v1/embeddings` `sentence-transformers/multi-qa-mpnet-base-dot-v1`](https://ailoot.ai/models/he/sentence-transformers-multi-qa-mpnet-base-dot-v1/#method-0)

על המודל

התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.

multi-qa-mpnet-base-dot-v1 הוא מודל של Sentence Transformers שנועד לאחזר קטעי טקסט עבור שאלה או שאילתה. האימון שלו השתמש בכ־215 מיליון זוגות שאלה–תשובה. כל קלט הופך לווקטור צפוף בעל 768 ממדים, כאשר איגום CLS ומתן ציונים במכפלה סקלרית מגדירים את המהדורה המדויקת הזאת.

#### הכינו שאלה וקטעים מועמדים

נסחו את השאילתה כצורך במידע והכינו את רשומות הקורפוס כקטעי טקסט קריאים. לדוגמה, אפשר להשוות שאלה על שינוי כתובת משלוח לפסקאות נפרדות המכסות שינויי כתובת, ביטול הזמנה ומעקב משלוחים. שמרו את התנאים הרלוונטיים בקטע שינוי הכתובת, כולל אם ההזמנה כבר נשלחה.

קודדו את השאילתה ואת הקטעים באותו מודל. הדוגמה שפורסמה עושה זאת ישירות, ללא קידומת query/document, וממיינת את הקטעים לפי ציוני המכפלה הסקלרית שלהם. שמרו כל וקטור מחובר לקטע המקורי שלו ולמזהה המסמך, כדי שהתוצאה המדורגת תוכל להראות את החומר שאונדקס בפועל.

#### איגום CLS ומהדורת המכפלה הסקלרית

מתכון הייחוס של המודל לוקח את הייצוג של הטוקן הראשון, המוכר כאיגום CLS. הטבלה הטכנית שלו מציינת במפורש שההטמעות אינן מנורמלות ומפרטת מכפלה סקלרית כפונקציית מתן הציונים המתאימה. שמרו את המתכון הזה בעת הגדרת האוסף וצד השאילתה.

נרמול L2 של הווקטורים האלה משנה את הגאומטריה של מתן הציונים. פרופיל all-mpnet-base-v2 המנורמל משתמש במתכון אחר והוא נקודת ביקורת נפרדת, אף שהוא חולק את משפחת MPNet ופלט בן 768 רכיבים. שמרו את המהדורה המדויקת ואת פונקציית ההשוואה עם האוסף המאוחסן, במקום לבחור אותן לפי אורך הווקטור בלבד.

#### מגבלת אורך וקטעים ארוכים יותר

מגבלת הקלט המצוינת היא 512 חלקי מילה; טקסט ארוך יותר נקטע. היצרן מציין גם שקלטי האימון הגיעו רק ל־250 חלקי מילה ושטקסט ארוך יותר עשוי לעבוד פחות טוב. אורך הקלט שמקבל הטוקנייזר וההסתייגות לגבי אורך האימון מתארים אפוא גבולות מעשיים שונים.

במאמר עזרה גדול, הכינו מקטעים קצרים שעונים על שאלות מסוימות. שמרו כותרת כאשר היא מזהה את הנושא ושמרו כלל עם החריג הדרוש לקריאתו הנכונה. קלט יחיד של עמוד שלם עלול לאבד חומר מאוחר בגלל קטיעה, ואילו קטע קטן מדי עלול לאבד את התנאי שהופך אותו לשימושי.

#### השתמשו בדירוג באחזור וב־RAG

הווקטורים הצפופים תומכים בשלב אחזור ראשון. החזירו את הקטעים המועמדים בעלי הציון הגבוה ביותר עם הפניות המקור שלהם, ואז בדקו אם הם עונים על השאלה בפועל. בתהליך RAG, ספקו את הקטעים האלה לשלב כתיבת התשובה כחומר מקור; האחזור עצמו אינו מחבר את התשובה.

השתמשו בשאלות מייצגות עם קטעים רלוונטיים ידועים כדי לבחור את מספר התוצאות ולהעריך את הדירוג. כללו דוגמאות עם אוצר מילים דומה אך כוונה שונה, כגון שינוי כתובת לעומת צפייה בכתובת הנוכחית. פרשו ציונים ביחס למועמדים באותו מודל ובאותה הגדרת ציונים, ולא כהסתברויות מכוילות לנכונות.

הפלט השימושי של נקודת הביקורת הזאת הוא מרחב הטמעות לשאלות ולקטעים לחיפוש סמנטי. הווקטורים הלא מנורמלים, איגום CLS, ציון המכפלה הסקלרית וההסתייגות שפורסמה לגבי קלט ארוך הם הפרטים שיש לשמר בעת הכנת תוצאות ושימוש בהן.

**Ailoot Ultra · ייצוגים וקטוריים** `POST /v1/embeddings` `sentence-transformers/multi-qa-mpnet-base-dot-v1`

[`sentence-transformers/multi-qa-mpnet-base-dot-v1`](https://ailoot.ai/models/he/#m=sentence-transformers%2Fmulti-qa-mpnet-base-dot-v1&route=Ultra&caller=sentence-transformers%2Fmulti-qa-mpnet-base-dot-v1&fmt=embeddings)

Sentence Transformers /`sentence-transformers/multi-qa-mpnet-base-dot-v1`

### התחלה

Sentence Transformers multi-qa-mpnet-base-dot-v1 מקודד שאלות וקטעים לווקטורים בעלי 768 ממדים לחיפוש סמנטי. הוא משתמש באיגום CLS ובהטמעות לא מנורמלות המיועדות למתן ציונים במכפלה סקלרית, עם מגבלת קלט של 512 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 |
| --- | --- | --- | --- | --- |
| שדה`model` | סוג`string` | דרישהחובה | ערכים ומגבלות sentence-transformers/multi-qa-mpnet-base-dot-v1 | ברירת מחדל— |
| שדה`input` | סוג`string\|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— |
| שדה`encoding_format` | סוג`string` | דרישהרשות | ערכים ומגבלות float | ברירת מחדלfloat |
| שדה`dimensions` | סוג`integer` | דרישהלא נתמך | ערכים ומגבלות מינימום: ⁦1⁩ | ברירת מחדל— |
| שדה`user` | סוג`json_value` | דרישהרשות | ערכים ומגבלות תנאים: המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל. | ברירת מחדל— |
| שדה`session_id` | סוג`json_value` | דרישהרשות | ערכים ומגבלות תנאים: המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל. | ברירת מחדל— |
| שדה`trace` | סוג`json_value` | דרישהרשות | ערכים ומגבלות תנאים: המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל. | ברירת מחדל— |
| שדה`provider` | סוג`object` | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה | ברירת מחדל— |

שילובים של חומרי קלט

**text\_to\_embedding**

פרמטרים ומחזור חיים של השיטה

| פרמטר | מפרט |
| --- | --- |
| פרמטר`content_type` | מפרטapplication/json |
| פרמטר`required` | מפרטmodel, input |
| פרמטר`input_shapes` | מפרטstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| פרמטר`encoding_format` | מפרטfloat |
| פרמטר`dimensions_override` | מפרטfalse |
| פרמטר`max_input_budget_units` | מפרט512 |
| פרמטר`multimodal_objects` | מפרטfalse |
| פרמטר`material_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 →](https://ailoot.ai/docs/he/billing/reserve/)

### דוגמאות לבקשות

#### Ailoot Ultra · ייצוגים וקטוריים

curlPython SDK

```bash
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/multi-qa-mpnet-base-dot-v1", "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
```

```python
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/multi-qa-mpnet-base-dot-v1',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 |
| --- | --- |
| שדה`object` | סוגstring |
| שדה`model` | סוגstring |
| שדה`data[].index` | סוגinteger |
| שדה`data[].embedding` | סוגfinite float\[\] |
| שדה`usage` | 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/multi-qa-mpnet-base-dot-v1`](https://ailoot.ai/models/he/#m=sentence-transformers%2Fmulti-qa-mpnet-base-dot-v1&route=Ultra&caller=sentence-transformers%2Fmulti-qa-mpnet-base-dot-v1&fmt=embeddings)

#### כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

#### מזהי מודלים קשורים IDs

[`sentence-transformers/multi-qa-mpnet-base-dot-v1`](https://ailoot.ai/models/he/#m=sentence-transformers%2Fmulti-qa-mpnet-base-dot-v1&route=Ultra&caller=sentence-transformers%2Fmulti-qa-mpnet-base-dot-v1&fmt=embeddings)

FAQ · Sentence Transformers: multi-qa-mpnet-base-dot-v1

אילו קלטים ותוצאות זמינים?

`POST /v1/embeddings` · `sentence-transformers/multi-qa-mpnet-base-dot-v1`: `text`, `token_ids` → `embedding`

באילו שדות הבקשה משתמשת?

`POST /v1/embeddings` · `sentence-transformers/multi-qa-mpnet-base-dot-v1`: `model`, `input`, `encoding_format`, `provider`

אילו מגבלות חלות?

`POST /v1/embeddings` · `sentence-transformers/multi-qa-mpnet-base-dot-v1`: `input.budget.maximum`: `512` (בתים בקידוד UTF8); `input.min_items`: `1`

חברו Ailoot ל- Claude Code, OpenCode, Hermes או ליישום שלכם.

## החברה ופורטפוליו הפרויקטים שלה

החברה ופורטפוליו הפרויקטים שלה: מיליוני לקוחות; מכירות בהיקף של מיליארדים מדי חודש.

## קנו אסימונים בהנחה.

הנחת מנוי לעבודה קבועה. קודי הנחה עד 50% על רכישת אסימונים.

מנוי

בחרו מסלול עם הנחה לבקשות הקבועות שלכם.

קוד הנחה עד 50%

הזינו קוד ברכישה. המחיר יחושב מחדש לפי המבצע הפעיל.

הוצאות בהיסטוריה

המודל, האסימונים והסכום נשמרים לכל בקשה.

[בחירת מנוי](https://ailoot.ai/docs/he/billing/subscriptions/) · [מחירי מודלים](https://ailoot.ai/models/he/)

## חברו API למוצר שאתם מוכרים.

SaaS, יישומים ובוטים לפי ההצעה והסכם הרישוי של Ailoot. למכירה מחדש בקשו רישיון משווק.

יישום מסחרי

שלבו יצירת טקסט, תמונות, וידאו ושמע בתכונות בתשלום של השירות שלכם.

רישיון למכירה מחדש

שלחו תיאור פרויקט ואופן מתן גישה. בקשו תנאי שימוש ומכירה מחדש בכתב.

מסמכים באתר

ההצעה, הסכם הרישוי ומדיניות עיבוד הנתונים זמינים לפני החיבור.

[בקשת רישיון למכירה מחדש](mailto:support@ailoot.ai) · [ההצעה והסכם הרישוי](https://ailoot.ai/legal/offer?lang=he)

## Ailoot · החברה ופורטפוליו הפרויקטים שלה





Ailoot נשענת על ניסיון תפעולי מצטבר, בסיס לקוחות רחב, שירות יציב ובקרה שוטפת של KPI.





החברה ופורטפוליו הפרויקטים שלה: מיליוני לקוחות; מכירות בהיקף של מיליארדים מדי חודש.





Ailoot משתמשת בניסיון התפעולי הזה כדי לספק גישת API ליכולות AI במוצרי לקוחות, בסוכנים, באפליקציות ובאוטומציות.