A BGE Reranker v2 M3 a BGE-M3-ra épülő többnyelvű relevanciamodell. Egy lekérdezést és egy jelölt szövegrészletet együtt fogad, és a kapcsolatukra vonatkozó pontszámot ad vissza. A BAAI ezt a kiadást hatékony többnyelvű újrarangsorolóként pozicionálja, többek között kínai és angol visszakereséshez, amikor a keresőalkalmazásnak egy meglévő jelöltlistát kell pontosítania.
A cross-encoder a két szöveget közösen dolgozza fel, így tartalmuk már a relevanciapontszám előállítása előtt kölcsönhatásba léphet. Ez eltér a beágyazási modelltől, amely a szövegeket egymástól függetlenül kódolja az újra felhasználható vektoros összehasonlításhoz. Az újrarangsoroló kimenete egy adott pár skalár pontszáma, nem pedig dokumentumvektor vagy írott válasz.
A modellt azután használja, hogy egy kezdeti keresés már kiválasztotta az ésszerűnek tűnő szövegrészleteket. Párosítsa a kérdést minden jelölttel, és rendezze a jelölteket a kapott pontszámok alapján. Ezzel a részletesebb összehasonlítás egy kezelhető méretű szűkített listára összpontosul, ahelyett hogy a cross-encodert egy nagy gyűjtemény összes szövegrészletének vizsgálatára kérné.
A gyártó a BGE-M3-at nevezi meg alapmodellként, és a többnyelvű támogatást a fő jellemzők közé sorolja. A v2 újrarangsoroló családon belül az M3 a hatékony többnyelvű lehetőség; a Gemma-alapú és a rétegválasztást használó változatok különálló modellek, eltérő megvalósítási döntésekkel. Az M3 név itt nem jelenti azt, hogy az újrarangsoroló az eredeti beágyazási modell sűrű, ritka és többvektoros beágyazásait adja vissza.
Ez a különbség fontos az alkalmazás által igényelt eredmény kiválasztásakor. Dokumentumgyűjtemény reprezentálásához és kereséséhez beágyazási modellt válasszon. Ezt az újrarangsorolót akkor használja, ha már rendelkezik jelölt szövegekkel, és azt kell eldöntenie, melyik részlet a legrelevánsabb az aktuális lekérdezéshez.
Adja meg a tényleges kérdést és az értelmezéséhez szükséges teljes jelölt szöveget. Őrizze meg a címeket vagy a közeli definíciókat, ha azok határozzák meg egy részlet jelentését. A közzétett Transformers-példában a lekérdezést és a szövegrészletet együtt tokenizálják, csonkolással és max_length=512 beállítással. Ez példabeli beállítás, nem a teljes modellre érvényes korlát. A kérdést és a szükséges bizonyítékot tartsa a kiválasztott párkereten belül, és ellenőrizze, mit távolít el a csonkolás. Egy találat akkor is irreleváns lehet, ha ugyanazt a terméket említi, mint a lekérdezés, de más műveletről vagy feltételről szól; a visszakeresés minőségének értékelésekor készítsen e helyzeteket megkülönböztető példákat.
Dokumentumasszisztensnél a jelöltazonosítókat tartsa a szövegük mellett, pontozza a kérdés–szövegrészlet párokat, és a kiválasztott eredeti részleteket adja át a válaszadó lépésnek. A válaszoló modell így bizonyítékot kap, nem egy forrás nélküli relevanciapontszámot. Ez egy szemléltető visszakeresési munkafolyamat; maga az újrarangsoroló sem külső gyűjteményben nem keres, sem választ nem ír.
A gyártó nyers relevanciapontszámokat ad vissza; a magasabb érték szorosabb egyezést jelez. Dokumentált opcionális normalizálása szigmoid függvényt alkalmaz, hogy a pontszám 0 és 1 közé kerüljön. A normalizált pontszám tartománya kényelmes, de ez az átalakítás önmagában nem ad kalibrált valószínűséget arra, hogy a jelölt helyes.
A rangsorolási vagy szűrési küszöböket a saját feladataiból származó reprezentatív lekérdezés–szövegrészlet párokkal válassza ki. Legyenek köztük közös kulcsszavakat tartalmazó, de más kérdésre válaszoló részletek, valamint eltérő megfogalmazású releváns részletek is. Így a kiválasztott küszöbnek lesz érdemi jelentése a keresett gyűjteményben.
Ailoot API-projektnél határozza meg, mit kell tartalmaznia a végső kontextusnak, és hány jelölt vizsgálható hatékonyan. A hasznos eredmény egy jobban rendezett bizonyítékkészlet az alkalmazás következő lépéséhez. E kiadás relevanciakimenetét tartsa külön a dokumentumbeágyazásoktól, a generált prózától és a más újrarangsorolókhoz dokumentált rétegválasztási vezérlőktől.
", "aboutText": "A BGE Reranker v2 M3 a BGE-M3-ra épülő többnyelvű relevanciamodell. Egy lekérdezést és egy jelölt szövegrészletet együtt fogad, és a kapcsolatukra vonatkozó pontszámot ad vissza. A BAAI ezt a kiadást hatékony többnyelvű újrarangsorolóként pozicionálja, többek között kínai és angol visszakereséshez, amikor a keresőalkalmazásnak egy meglévő jelöltlistát kell pontosítania.\n\n### Relevancia egy lekérdezés–szövegrészlet pár alapján\n\nA cross-encoder a két szöveget közösen dolgozza fel, így tartalmuk már a relevanciapontszám előállítása előtt kölcsönhatásba léphet. Ez eltér a beágyazási modelltől, amely a szövegeket egymástól függetlenül kódolja az újra felhasználható vektoros összehasonlításhoz. Az újrarangsoroló kimenete egy adott pár skalár pontszáma, nem pedig dokumentumvektor vagy írott válasz.\n\nA modellt azután használja, hogy egy kezdeti keresés már kiválasztotta az ésszerűnek tűnő szövegrészleteket. Párosítsa a kérdést minden jelölttel, és rendezze a jelölteket a kapott pontszámok alapján. Ezzel a részletesebb összehasonlítás egy kezelhető méretű szűkített listára összpontosul, ahelyett hogy a cross-encodert egy nagy gyűjtemény összes szövegrészletének vizsgálatára kérné.\n\n### A v2 M3 kiadás\n\nA gyártó a BGE-M3-at nevezi meg alapmodellként, és a többnyelvű támogatást a fő jellemzők közé sorolja. A v2 újrarangsoroló családon belül az M3 a hatékony többnyelvű lehetőség; a Gemma-alapú és a rétegválasztást használó változatok különálló modellek, eltérő megvalósítási döntésekkel. Az M3 név itt nem jelenti azt, hogy az újrarangsoroló az eredeti beágyazási modell sűrű, ritka és többvektoros beágyazásait adja vissza.\n\nEz a különbség fontos az alkalmazás által igényelt eredmény kiválasztásakor. Dokumentumgyűjtemény reprezentálásához és kereséséhez beágyazási modellt válasszon. Ezt az újrarangsorolót akkor használja, ha már rendelkezik jelölt szövegekkel, és azt kell eldöntenie, melyik részlet a legrelevánsabb az aktuális lekérdezéshez.\n\n### Hasznosan rangsorolható jelöltek előkészítése\n\nAdja meg a tényleges kérdést és az értelmezéséhez szükséges teljes jelölt szöveget. Őrizze meg a címeket vagy a közeli definíciókat, ha azok határozzák meg egy részlet jelentését. A közzétett Transformers-példában a lekérdezést és a szövegrészletet együtt tokenizálják, csonkolással és max_length=512 beállítással. Ez példabeli beállítás, nem a teljes modellre érvényes korlát. A kérdést és a szükséges bizonyítékot tartsa a kiválasztott párkereten belül, és ellenőrizze, mit távolít el a csonkolás. Egy találat akkor is irreleváns lehet, ha ugyanazt a terméket említi, mint a lekérdezés, de más műveletről vagy feltételről szól; a visszakeresés minőségének értékelésekor készítsen e helyzeteket megkülönböztető példákat.\n\nDokumentumasszisztensnél a jelöltazonosítókat tartsa a szövegük mellett, pontozza a kérdés–szövegrészlet párokat, és a kiválasztott eredeti részleteket adja át a válaszadó lépésnek. A válaszoló modell így bizonyítékot kap, nem egy forrás nélküli relevanciapontszámot. Ez egy szemléltető visszakeresési munkafolyamat; maga az újrarangsoroló sem külső gyűjteményben nem keres, sem választ nem ír.\n\n### Pontszámok értelmezése és normalizálása\n\nA gyártó nyers relevanciapontszámokat ad vissza; a magasabb érték szorosabb egyezést jelez. Dokumentált opcionális normalizálása szigmoid függvényt alkalmaz, hogy a pontszám 0 és 1 közé kerüljön. A normalizált pontszám tartománya kényelmes, de ez az átalakítás önmagában nem ad kalibrált valószínűséget arra, hogy a jelölt helyes.\n\nA rangsorolási vagy szűrési küszöböket a saját feladataiból származó reprezentatív lekérdezés–szövegrészlet párokkal válassza ki. Legyenek köztük közös kulcsszavakat tartalmazó, de más kérdésre válaszoló részletek, valamint eltérő megfogalmazású releváns részletek is. Így a kiválasztott küszöbnek lesz érdemi jelentése a keresett gyűjteményben.\n\nAiloot API-projektnél határozza meg, mit kell tartalmaznia a végső kontextusnak, és hány jelölt vizsgálható hatékonyan. A hasznos eredmény egy jobban rendezett bizonyítékkészlet az alkalmazás következő lépéséhez. E kiadás relevanciakimenetét tartsa külön a dokumentumbeágyazásoktól, a generált prózától és a más újrarangsorolókhoz dokumentált rétegválasztási vezérlőktől.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a2edd51fa45cf91edb15d42b4a67c2581c6f9e02792eabb8c957577f24633e12", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "hu", "methods": [ { "html": "bge-reranker-v2-m3A BAAI többnyelvű cross-encoder modellje a jelölt szövegrészletek lekérdezéshez viszonyított rangsorolására. Minden lekérdezés–szövegrészlet párt együtt olvas el, és relevanciapontszámot ad vissza, így pontosítja a keresés szűkített találati listáját anélkül, hogy választ generálna vagy dokumentumbeágyazásokat készítene.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A BGE Reranker v2 M3 a BGE-M3-ra épülő többnyelvű relevanciamodell. Egy lekérdezést és egy jelölt szövegrészletet együtt fogad, és a kapcsolatukra vonatkozó pontszámot ad vissza. A BAAI ezt a kiadást hatékony többnyelvű újrarangsorolóként pozicionálja, többek között kínai és angol visszakereséshez, amikor a keresőalkalmazásnak egy meglévő jelöltlistát kell pontosítania.
A cross-encoder a két szöveget közösen dolgozza fel, így tartalmuk már a relevanciapontszám előállítása előtt kölcsönhatásba léphet. Ez eltér a beágyazási modelltől, amely a szövegeket egymástól függetlenül kódolja az újra felhasználható vektoros összehasonlításhoz. Az újrarangsoroló kimenete egy adott pár skalár pontszáma, nem pedig dokumentumvektor vagy írott válasz.
A modellt azután használja, hogy egy kezdeti keresés már kiválasztotta az ésszerűnek tűnő szövegrészleteket. Párosítsa a kérdést minden jelölttel, és rendezze a jelölteket a kapott pontszámok alapján. Ezzel a részletesebb összehasonlítás egy kezelhető méretű szűkített listára összpontosul, ahelyett hogy a cross-encodert egy nagy gyűjtemény összes szövegrészletének vizsgálatára kérné.
A gyártó a BGE-M3-at nevezi meg alapmodellként, és a többnyelvű támogatást a fő jellemzők közé sorolja. A v2 újrarangsoroló családon belül az M3 a hatékony többnyelvű lehetőség; a Gemma-alapú és a rétegválasztást használó változatok különálló modellek, eltérő megvalósítási döntésekkel. Az M3 név itt nem jelenti azt, hogy az újrarangsoroló az eredeti beágyazási modell sűrű, ritka és többvektoros beágyazásait adja vissza.
Ez a különbség fontos az alkalmazás által igényelt eredmény kiválasztásakor. Dokumentumgyűjtemény reprezentálásához és kereséséhez beágyazási modellt válasszon. Ezt az újrarangsorolót akkor használja, ha már rendelkezik jelölt szövegekkel, és azt kell eldöntenie, melyik részlet a legrelevánsabb az aktuális lekérdezéshez.
Adja meg a tényleges kérdést és az értelmezéséhez szükséges teljes jelölt szöveget. Őrizze meg a címeket vagy a közeli definíciókat, ha azok határozzák meg egy részlet jelentését. A közzétett Transformers-példában a lekérdezést és a szövegrészletet együtt tokenizálják, csonkolással és max_length=512 beállítással. Ez példabeli beállítás, nem a teljes modellre érvényes korlát. A kérdést és a szükséges bizonyítékot tartsa a kiválasztott párkereten belül, és ellenőrizze, mit távolít el a csonkolás. Egy találat akkor is irreleváns lehet, ha ugyanazt a terméket említi, mint a lekérdezés, de más műveletről vagy feltételről szól; a visszakeresés minőségének értékelésekor készítsen e helyzeteket megkülönböztető példákat.
Dokumentumasszisztensnél a jelöltazonosítókat tartsa a szövegük mellett, pontozza a kérdés–szövegrészlet párokat, és a kiválasztott eredeti részleteket adja át a válaszadó lépésnek. A válaszoló modell így bizonyítékot kap, nem egy forrás nélküli relevanciapontszámot. Ez egy szemléltető visszakeresési munkafolyamat; maga az újrarangsoroló sem külső gyűjteményben nem keres, sem választ nem ír.
A gyártó nyers relevanciapontszámokat ad vissza; a magasabb érték szorosabb egyezést jelez. Dokumentált opcionális normalizálása szigmoid függvényt alkalmaz, hogy a pontszám 0 és 1 közé kerüljön. A normalizált pontszám tartománya kényelmes, de ez az átalakítás önmagában nem ad kalibrált valószínűséget arra, hogy a jelölt helyes.
A rangsorolási vagy szűrési küszöböket a saját feladataiból származó reprezentatív lekérdezés–szövegrészlet párokkal válassza ki. Legyenek köztük közös kulcsszavakat tartalmazó, de más kérdésre válaszoló részletek, valamint eltérő megfogalmazású releváns részletek is. Így a kiválasztott küszöbnek lesz érdemi jelentése a keresett gyűjteményben.
Ailoot API-projektnél határozza meg, mit kell tartalmaznia a végső kontextusnak, és hány jelölt vizsgálható hatékonyan. A hasznos eredmény egy jobban rendezett bizonyítékkészlet az alkalmazás következő lépéséhez. E kiadás relevanciakimenetét tartsa külön a dokumentumbeágyazásoktól, a generált prózától és a más újrarangsorolókhoz dokumentált rétegválasztási vezérlőktől.
POST /v1/reranktextrerank| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok bge-reranker-v2-m3 | Alapértelmezett— |
Mezőquery | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Meződocuments | Típusarray | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, documents |
Paramétermaterial_types | Szerződéstext |
Paramétermaterial_conditions | SzerződésAdja meg a tényleges keresőkifejezést és az eredeti szöveges dokumentumok nem üres tömbjét. Az eredményindexek erre az eredeti tömbre hivatkoznak. |
Életciklus: synchronous_result_then_owned_library
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Elszámolási egység | Díj |
|---|---|---|---|
| BeállításTokenek alapdíjai | DíjtáblázatAlapdíj | Elszámolási egység— | Díj Bemenet · Bemeneti tokenek — / 1K token Kimenet · Kimeneti tokenek — / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| Beállításösszesített token | Díjtáblázat— | Elszámolási egység/ 1K token | Díj Bemenet · összesített token $0.00004 / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_QUERY:?Set the actual documented input value}"\nexport AILOOT_QUERY\n: "${AILOOT_DOCUMENTS_JSON:?Set the actual documented input value}"\nexport AILOOT_DOCUMENTS_JSON\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'bge-reranker-v2-m3', 'query': '${ACTUAL_QUERY}', 'documents': '${ACTUAL_DOCUMENTS}'}\nrequest['query']=os.environ['AILOOT_QUERY']\nrequest['documents']=json.loads(os.environ['AILOOT_DOCUMENTS_JSON'])\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\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 response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nA teljes eredeti natív JSON-eredmény a beállított válaszmodellel, az eredeti dokumentumindexekkel, relevanciapontszámokkal, dokumentum-karakterláncokkal és natív tokenfelhasználással. Őrizzen meg minden tényleges eredményt és felhasználási mezőt.
GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg a teljes választ és a fejléceket, minden tényleges kimenetet, az eredetileg visszaadott azonosítókat és az összes használati adatmezőt. Az eredeti műveletet állítsa helyre, a létrehozási kérés újbóli beküldése nélkül.
Őrizze meg a tényleges X-Client-Request-ID értéket és a teljes választ. Kérdezze le az eredeti saját médiaállományokat és pontos aláírt tartalom-URL-címeiket; bizonytalan kimenetelű létrehozást soha ne küldjön be újra.
| Mező | Típus | Jelentés |
|---|---|---|
Mezőmodel | Típusstring | JelentésA beállított Source feldolgozó által megkövetelt pontos válaszmodell. |
Mezőresults[].index | Típusinteger | JelentésAz eredeti bemeneti dokumentum egyedi indexe. |
Mezőresults[].relevance_score | Típusnumber | JelentésVéges relevanciapontszám. |
Mezőresults[].document | Típusstring | JelentésE beállított válaszfeldolgozó által megkövetelt eredeti szöveges dokumentum. |
Mezőusage.total_tokens | Típusinteger | JelentésA jelenleg elfogadott tarifa által megkövetelt véges, nem negatív natív tokenszám. |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételA JSON-törzs vagy a kifejezetten megadott kanonikus modellazonosító érvénytelen. | Következő lépésŐrizze meg a választ, és javítsa a kérés megjelölt mezőjét. |
Válasz401 · authentication_error | FeltételAz Ailoot API-kulcs érvénytelen. | Következő lépésHasználja az engedélyezett Ailoot API-kulcsát. |
Válasz403 · permission_error | FeltételA kulcscsoport nem használhatja ezt a metódust. | Következő lépésŐrizze meg a visszaadott hiba részleteit. |
Válasz404 · not_found_error | FeltételA kiválasztott metódushoz nincs engedélyezett útvonal. | Következő lépésŐrizze meg a visszaadott hiba részleteit. |
Válasz422 · price_unavailable | FeltételAz elfogadott tarifa nem tudja meghatározni a szükséges bemeneti mennyiséget vagy korlátot. | Következő lépésŐrizze meg a választ; használja az elfogadott tarifa által megkövetelt bemeneti formátumot. |
Válasz503 · | FeltételA szükséges tároló, útvonal, metódusár vagy összegzárolás nem érhető el. | Következő lépésŐrizze meg a teljes eredeti választ. A bizonytalan összegzárolás nem jogosít fel az újraküldésre. |
Válasz502 · billing_requires_check | FeltételAz eredeti eredményt, a felhasználást vagy az elszámolást ellenőrizni kell. | Következő lépésŐrizze meg a tényleges kérésazonosítót és az eredeti választ. A meglévő saját rekordot kérdezze le; ne küldje be újra a létrehozási kérést. |
Ailoot Ultra bge-reranker-v2-m3
Használja a fent látható metódusútvonalakat.