A Multilingual-E5-Large az intfloat többnyelvű, sűrű szövegbeágyazási modellje, 24 réteggel és 1024 dimenziós kimenettel. Az XLM-RoBERTa Large modellből inicializálták, majd többnyelvű adatokon tanították tovább. A modellkártya az XLM-R száz nyelvre kiterjedő hatókörének támogatását írja le, és megjegyzi az alacsony erőforrású nyelveken gyengébb teljesítményt. Vektorai szöveget reprezentálnak információ-visszakereséshez, szemantikai összehasonlításhoz és numerikus jellemzőket használó feladatokhoz.
A betanított előtagok a „query:” és a „passage:”, nem angol szövegnél is. A keresési lekérdezés és a korpusz szövegrészletei a nekik megfelelő szerepet használják. Az előtagok ezek az angol karakterláncok maradnak, a forrás megfogalmazása pedig megtartja a saját nyelvét. Szimmetrikus szemantikai hasonlósághoz, parafrázis-visszakereséshez, párhuzamos szövegek bányászatához vagy jellemzőként való használathoz a gyártó a „query:” előtagot ajánlja.
Egy gyakorlati gyűjtemény több támogatott nyelven tartalmazhat dokumentációt. Minden szövegrészlet nyelvét, eredeti szövegét és forráshelyét tartsa meg a vektor mellett. A célközönség tényleges keresési kérdéseit készítse elő, ne feltételezze, hogy egyetlen angol teszt az egész gyűjteményt képviseli. A kimenet adja vissza a tényleges szövegrészletet és kontextusát, hogy az olvasó megítélhesse, mit mond.
Többnyelvű megfeleltetési feladatnál legyen világos az összehasonlítás célja. Egy lehetséges fordításpár és egy alátámasztó szövegrészletet kereső lekérdezés eltérő előkészítést igényel. A modell szerepelőtagokra vonatkozó útmutatása konkrét konvenciót ad e feladatokhoz; az előtag elhagyása nem a dokumentált megfelelője, mert megváltoztatja a tanításban használt bemeneti mintát.
A gyártó példája figyelmi maszkkal átlagolja a tokenreprezentációkat, kizárva a kitöltő pozíciókat, majd normalizálja a vektort. A normalizált skalárszorzatok koszinuszhasonlóságot adnak. Az 1024 dimenziós tömb egy előkészített szöveget reprezentál. A pontos modellt és az előkészítést tartsa a tárolt vektorokhoz kapcsolva, hogy a későbbi lekérdezések megfelelő reprezentációt használjanak.
Ezek a vektorok jelöltrangsorokat vagy jellemzőket adhatnak egy későbbi klaszterezési vagy osztályozási lépéshez. Nem fordítják le a forrást, és nem fogalmaznak választ. Az alapul szolgáló szövegrészletet adja vissza, ha a visszakeresési eredmény egy olvasót vagy egy későbbi RAG-generálási lépést hivatott támogatni.
A modellkártya gyengén felügyelt kontrasztív előtanítást, majd felügyelt finomhangolást dokumentál. A többnyelvű előkészítés olyan anyagokat tartalmaz, mint cím–szövegrészlet-párok, beszélgetéspárok és fordításpárok, míg a későbbi szakaszt címkézett visszakeresési és nyelvmegértési adatok adják. Ez megmagyarázza a tervezett szövegreprezentációs feladatokat, de nem igazol minden nyelven azonos teljesítményt.
A gyártó kifejezetten korlátként nevezi meg az alacsony erőforrású nyelveken jelentkező teljesítményromlást. Ellenőrizze a gyűjtemény tényleges nyelveit és megfogalmazását, beleértve a rövidítéseket, neveket és szakszókincset. A többnyelvű megjelölés hasznos hatóköri leírás; a visszaadott szöveg relevanciáját továbbra is a közönség és a feladat szempontjából kell megvizsgálni.
A hosszú bemenet legfeljebb 512 tokenre csonkul. A hosszú dokumentumot összefüggő szövegrészletekként készítse elő, a szerepelőtaggal és releváns címsorokkal együtt. A definíciókat és megszorításokat az érintett állítás mellett őrizze meg, a szülődokumentum azonosítóját és a forrásverziót pedig a vektoron kívül tartsa.
A gyártó a koszinuszpontszámok relatív sorrendjére összpontosítást ajánlja, nem az abszolút érték általános megbízhatósági mérőszámként kezelését. A hasznos eredmény jelölt szövegrészletek készlete, összehasonlítható szövegreprezentációk vagy eredeti rekordjaikhoz kapcsolt jellemzők. Ez a pontos modell különálló marad a kizárólag angol E5 v2 checkpointoktól és az utasításokra finomhangolt E5-változatoktól, akkor is, ha egy másik modell szintén 1024 értéket ad vissza.
", "aboutText": "A Multilingual-E5-Large az intfloat többnyelvű, sűrű szövegbeágyazási modellje, 24 réteggel és 1024 dimenziós kimenettel. Az XLM-RoBERTa Large modellből inicializálták, majd többnyelvű adatokon tanították tovább. A modellkártya az XLM-R száz nyelvre kiterjedő hatókörének támogatását írja le, és megjegyzi az alacsony erőforrású nyelveken gyengébb teljesítményt. Vektorai szöveget reprezentálnak információ-visszakereséshez, szemantikai összehasonlításhoz és numerikus jellemzőket használó feladatokhoz.\n\n### Minden nyelven őrizze meg a bemenet szerepét\n\nA betanított előtagok a „query:” és a „passage:”, nem angol szövegnél is. A keresési lekérdezés és a korpusz szövegrészletei a nekik megfelelő szerepet használják. Az előtagok ezek az angol karakterláncok maradnak, a forrás megfogalmazása pedig megtartja a saját nyelvét. Szimmetrikus szemantikai hasonlósághoz, parafrázis-visszakereséshez, párhuzamos szövegek bányászatához vagy jellemzőként való használathoz a gyártó a „query:” előtagot ajánlja.\n\nEgy gyakorlati gyűjtemény több támogatott nyelven tartalmazhat dokumentációt. Minden szövegrészlet nyelvét, eredeti szövegét és forráshelyét tartsa meg a vektor mellett. A célközönség tényleges keresési kérdéseit készítse elő, ne feltételezze, hogy egyetlen angol teszt az egész gyűjteményt képviseli. A kimenet adja vissza a tényleges szövegrészletet és kontextusát, hogy az olvasó megítélhesse, mit mond.\n\nTöbbnyelvű megfeleltetési feladatnál legyen világos az összehasonlítás célja. Egy lehetséges fordításpár és egy alátámasztó szövegrészletet kereső lekérdezés eltérő előkészítést igényel. A modell szerepelőtagokra vonatkozó útmutatása konkrét konvenciót ad e feladatokhoz; az előtag elhagyása nem a dokumentált megfelelője, mert megváltoztatja a tanításban használt bemeneti mintát.\n\n### Pooling és vektor-összehasonlítás\n\nA gyártó példája figyelmi maszkkal átlagolja a tokenreprezentációkat, kizárva a kitöltő pozíciókat, majd normalizálja a vektort. A normalizált skalárszorzatok koszinuszhasonlóságot adnak. Az 1024 dimenziós tömb egy előkészített szöveget reprezentál. A pontos modellt és az előkészítést tartsa a tárolt vektorokhoz kapcsolva, hogy a későbbi lekérdezések megfelelő reprezentációt használjanak.\n\nEzek a vektorok jelöltrangsorokat vagy jellemzőket adhatnak egy későbbi klaszterezési vagy osztályozási lépéshez. Nem fordítják le a forrást, és nem fogalmaznak választ. Az alapul szolgáló szövegrészletet adja vissza, ha a visszakeresési eredmény egy olvasót vagy egy későbbi RAG-generálási lépést hivatott támogatni.\n\n### Tanítás és nyelvi lefedettség\n\nA modellkártya gyengén felügyelt kontrasztív előtanítást, majd felügyelt finomhangolást dokumentál. A többnyelvű előkészítés olyan anyagokat tartalmaz, mint cím–szövegrészlet-párok, beszélgetéspárok és fordításpárok, míg a későbbi szakaszt címkézett visszakeresési és nyelvmegértési adatok adják. Ez megmagyarázza a tervezett szövegreprezentációs feladatokat, de nem igazol minden nyelven azonos teljesítményt.\n\nA gyártó kifejezetten korlátként nevezi meg az alacsony erőforrású nyelveken jelentkező teljesítményromlást. Ellenőrizze a gyűjtemény tényleges nyelveit és megfogalmazását, beleértve a rövidítéseket, neveket és szakszókincset. A többnyelvű megjelölés hasznos hatóköri leírás; a visszaadott szöveg relevanciáját továbbra is a közönség és a feladat szempontjából kell megvizsgálni.\n\n### Hossz és hasznos eredmények\n\nA hosszú bemenet legfeljebb 512 tokenre csonkul. A hosszú dokumentumot összefüggő szövegrészletekként készítse elő, a szerepelőtaggal és releváns címsorokkal együtt. A definíciókat és megszorításokat az érintett állítás mellett őrizze meg, a szülődokumentum azonosítóját és a forrásverziót pedig a vektoron kívül tartsa.\n\nA gyártó a koszinuszpontszámok relatív sorrendjére összpontosítást ajánlja, nem az abszolút érték általános megbízhatósági mérőszámként kezelését. A hasznos eredmény jelölt szövegrészletek készlete, összehasonlítható szövegreprezentációk vagy eredeti rekordjaikhoz kapcsolt jellemzők. Ez a pontos modell különálló marad a kizárólag angol E5 v2 checkpointoktól és az utasításokra finomhangolt E5-változatoktól, akkor is, ha egy másik modell szintén 1024 értéket ad vissza.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "b3b2e00345734d6447eacfdf9ebbc6569010467be765ea5968394a04d0757465", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "hu", "methods": [ { "html": "intfloat/multilingual-e5-largeAz intfloat Multilingual-E5-Large 24 rétegű modellel kódol többnyelvű szöveget 1024 dimenziós vektorokká. Támogatja az XLM-R száz nyelvre kiterjedő hatókörét, minden nyelvhez angol query/passage előtagokat használ, és 512 tokenre csonkítja a bemenetet.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Multilingual-E5-Large az intfloat többnyelvű, sűrű szövegbeágyazási modellje, 24 réteggel és 1024 dimenziós kimenettel. Az XLM-RoBERTa Large modellből inicializálták, majd többnyelvű adatokon tanították tovább. A modellkártya az XLM-R száz nyelvre kiterjedő hatókörének támogatását írja le, és megjegyzi az alacsony erőforrású nyelveken gyengébb teljesítményt. Vektorai szöveget reprezentálnak információ-visszakereséshez, szemantikai összehasonlításhoz és numerikus jellemzőket használó feladatokhoz.
A betanított előtagok a „query:” és a „passage:”, nem angol szövegnél is. A keresési lekérdezés és a korpusz szövegrészletei a nekik megfelelő szerepet használják. Az előtagok ezek az angol karakterláncok maradnak, a forrás megfogalmazása pedig megtartja a saját nyelvét. Szimmetrikus szemantikai hasonlósághoz, parafrázis-visszakereséshez, párhuzamos szövegek bányászatához vagy jellemzőként való használathoz a gyártó a „query:” előtagot ajánlja.
Egy gyakorlati gyűjtemény több támogatott nyelven tartalmazhat dokumentációt. Minden szövegrészlet nyelvét, eredeti szövegét és forráshelyét tartsa meg a vektor mellett. A célközönség tényleges keresési kérdéseit készítse elő, ne feltételezze, hogy egyetlen angol teszt az egész gyűjteményt képviseli. A kimenet adja vissza a tényleges szövegrészletet és kontextusát, hogy az olvasó megítélhesse, mit mond.
Többnyelvű megfeleltetési feladatnál legyen világos az összehasonlítás célja. Egy lehetséges fordításpár és egy alátámasztó szövegrészletet kereső lekérdezés eltérő előkészítést igényel. A modell szerepelőtagokra vonatkozó útmutatása konkrét konvenciót ad e feladatokhoz; az előtag elhagyása nem a dokumentált megfelelője, mert megváltoztatja a tanításban használt bemeneti mintát.
A gyártó példája figyelmi maszkkal átlagolja a tokenreprezentációkat, kizárva a kitöltő pozíciókat, majd normalizálja a vektort. A normalizált skalárszorzatok koszinuszhasonlóságot adnak. Az 1024 dimenziós tömb egy előkészített szöveget reprezentál. A pontos modellt és az előkészítést tartsa a tárolt vektorokhoz kapcsolva, hogy a későbbi lekérdezések megfelelő reprezentációt használjanak.
Ezek a vektorok jelöltrangsorokat vagy jellemzőket adhatnak egy későbbi klaszterezési vagy osztályozási lépéshez. Nem fordítják le a forrást, és nem fogalmaznak választ. Az alapul szolgáló szövegrészletet adja vissza, ha a visszakeresési eredmény egy olvasót vagy egy későbbi RAG-generálási lépést hivatott támogatni.
A modellkártya gyengén felügyelt kontrasztív előtanítást, majd felügyelt finomhangolást dokumentál. A többnyelvű előkészítés olyan anyagokat tartalmaz, mint cím–szövegrészlet-párok, beszélgetéspárok és fordításpárok, míg a későbbi szakaszt címkézett visszakeresési és nyelvmegértési adatok adják. Ez megmagyarázza a tervezett szövegreprezentációs feladatokat, de nem igazol minden nyelven azonos teljesítményt.
A gyártó kifejezetten korlátként nevezi meg az alacsony erőforrású nyelveken jelentkező teljesítményromlást. Ellenőrizze a gyűjtemény tényleges nyelveit és megfogalmazását, beleértve a rövidítéseket, neveket és szakszókincset. A többnyelvű megjelölés hasznos hatóköri leírás; a visszaadott szöveg relevanciáját továbbra is a közönség és a feladat szempontjából kell megvizsgálni.
A hosszú bemenet legfeljebb 512 tokenre csonkul. A hosszú dokumentumot összefüggő szövegrészletekként készítse elő, a szerepelőtaggal és releváns címsorokkal együtt. A definíciókat és megszorításokat az érintett állítás mellett őrizze meg, a szülődokumentum azonosítóját és a forrásverziót pedig a vektoron kívül tartsa.
A gyártó a koszinuszpontszámok relatív sorrendjére összpontosítást ajánlja, nem az abszolút érték általános megbízhatósági mérőszámként kezelését. A hasznos eredmény jelölt szövegrészletek készlete, összehasonlítható szövegreprezentációk vagy eredeti rekordjaikhoz kapcsolt jellemzők. Ez a pontos modell különálló marad a kizárólag angol E5 v2 checkpointoktól és az utasításokra finomhangolt E5-változatoktól, akkor is, ha egy másik modell szintén 1024 értéket ad vissza.
POST /v1/embeddingstext, token_idsembedding| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok intfloat/multilingual-e5-large | Alapértelmezett— |
Mezőinput | Típusstring|string[]|integer[]|integer[][] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 Feltételek: Nem üres, homogén köteg. A tokenazonosítók nemnegatív egész számok. Bemeneti keret: Maximum: 512 · Szövegegység: UTF8-bájtok · Tokenegység: tokentömb elemei | Alapértelmezett— |
Mezőencoding_format | Típusstring | KövetelményOpcionális | Értékek és korlátok float | Alapértelmezettfloat |
Meződimensions | Típusinteger | KövetelményNem támogatott | Értékek és korlátok Minimum: 1 | Alapértelmezett— |
Mezőuser | Típusjson_value | KövetelményOpcionális | Értékek és korlátok Feltételek: A forrás engedélyezi ezt a JSON-metaadatmezőt; a szolgáltatónál érvényes pontos jelentése modellenként eltér. | Alapértelmezett— |
Mezősession_id | Típusjson_value | KövetelményOpcionális | Értékek és korlátok Feltételek: A forrás engedélyezi ezt a JSON-metaadatmezőt; a szolgáltatónál érvényes pontos jelentése modellenként eltér. | Alapértelmezett— |
Mezőtrace | Típusjson_value | KövetelményOpcionális | Értékek és korlátok Feltételek: A forrás engedélyezi ezt a JSON-metaadatmezőt; a szolgáltatónál érvényes pontos jelentése modellenként eltér. | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasítva | Alapértelmezett— |
text_to_embedding
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, input |
Paraméterinput_shapes | Szerződésstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Paraméterencoding_format | Szerződésfloat |
Paraméterdimensions_override | Szerződésfalse |
Paramétermax_input_budget_units | Szerződés512 |
Paramétermultimodal_objects | Szerződésfalse |
Paramétermaterial_types | Szerződéstext, token_ids |
Életciklus: synchronous_json
Őrizze meg minden vektor indexét és dimenzióját.
A multimodális modell neve ezen a pontos útvonalon nem teszi lehetővé képobjektumok használatát.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.00002 / 1K token Kimenet · Kimeneti tokenek $0 / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "intfloat/multilingual-e5-large", "input": ["First document", "Second document"]}')\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/embeddings \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.embeddings.create(model='intfloat/multilingual-e5-large',input=["First document","Second document"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\njson
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizzen meg minden vektort az indexével együtt. A vektorok számának meg kell egyeznie a bemenetek számával; a dimenzióknak egységesnek kell lenniük.
Nem kerül bevezetésre külön beágyazási feladatvégpont.
| Mező | Típus |
|---|---|
Mezőobject | Típusstring |
Mezőmodel | Típusstring |
Meződata[].index | Típusinteger |
Meződata[].embedding | Típusfinite float[] |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra intfloat/multilingual-e5-large
Használja a fent látható metódusútvonalakat.