Sentence Transformers: all-MiniLM-L6-v2
A Sentence Transformers all-MiniLM-L6-v2 mondatokat és rövid bekezdéseket reprezentál 384 dimenziós vektorokként szemantikai kereséshez, klaszterezéshez és hasonlósághoz. Közzétett receptje átlagoló poolingot kombinál L2-normalizálással és 256 szórészes alapbeállítással.
A modellről
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
Az all-MiniLM-L6-v2 a Sentence Transformers mondatokat és rövid bekezdéseket kódoló modellje. Minden szöveget 384 dimenziós sűrű vektorra képez le visszakereséshez, klaszterezéshez és mondathasonlósághoz. A modellt a MiniLM-L6-H384-uncased alapmodellből finomhangolták kontrasztív tanulással egy egymilliárd mondatpárból álló gyűjteményen.
Készítsen elő tömör, értelmes rekordokat
Válassza ki a keresési eredményben megjelenítendő mondatot vagy bekezdést. GYIK-gyűjteménynél őrizze meg a kérdést és a témáját megkülönböztető rövid magyarázatot. Az elfelejtett jelszó visszaállításáról szóló részlet tartsa meg a visszaállítási eljárást, ne szűküljön egyetlen elszigetelt szóra, például „Fiók”.
Hosszú cikknél összefüggő rövid szakaszokat indexeljen, és őrizze meg forráshelyeiket. A jelölt szakaszokat a lekérdezés vektorának a tárolt reprezentációkkal való összehasonlításával keresse vissza, majd mutassa meg az eredeti részleteket, hogy az olvasó megvizsgálhassa a tényleges utasításokat.
A mondatreprezentáció előállítása
A gyártó közvetlen kódolási receptje figyelmi maszkkal átlagolja a tokenreprezentációkat, kizárva a kitöltő pozíciókat az átlagból. Ezután L2-normalizálást alkalmaz. E lépések állítják elő az összehasonlításhoz használt mondatbeágyazást; az alapul szolgáló transzformer egyedi tokenreprezentációi más szerepet töltenek be.
Minden kimenet 384 komponensű. A gyűjtemény építésekor és a későbbi lekérdezések kódolásakor ugyanazt a checkpointot, poolingot és normalizálást használja. A kapott vektorokat koszinuszhasonlósággal lehet összehasonlítani. A hasonlósági érték e beállítás mellett a jelöltek rangsorolására hasznos, az eredeti szöveg pedig meghatározza, hogy egy jelölt megválaszolja-e a kérdést.
Hossz és kiadáshatárok
A közzétett alapbeállítás csonkítja a 256 szórésznél hosszabb bemenetet. Ez a tokenizálóegység nem felel meg közvetlenül hétköznapi szónak vagy karakternek. A fontos feltételeket tartsa az indexelt egységen belül, a hosszú eljárást pedig kódolás előtt értelmes határoknál bontsa fel.
A tanítási szekvenciákat 128 tokenre korlátozták. Ez a tanítási beállítás különálló a kódoláshoz használt 256 szórészes alapértéktől. Szokatlanul hosszú vagy speciális részleteknél reprezentatív lekérdezés–szövegrészlet-példákkal értékelje a visszakeresést, ne feltételezze, hogy a bemeneti korláton belüli hossz minden részlet egyenlő kezelését garantálja.
A pontos L6-v2 kiadás angol beágyazási profil. Az L12-v2 és paraphrase-MiniLM kiadásoknak külön modellazonosságuk és konfigurációjuk van. Közös MiniLM nevük vagy 384 dimenziós kimenetük nem igazol felcserélhető vektorokat.
Keresés, hasonlóság és csoportosítás
Ismétlődő kérdések ellenőrzéséhez keressen vissza hasonló kérdéseket, és rekordok összevonása előtt hasonlítsa össze tényleges megfogalmazásukat. A „Can I reset my password?” és a „Can an administrator reset another user’s password?” kapcsolódó témákra, de eltérő jogosultságokra vonatkoznak. E különbséget őrizze meg a kódolt szövegben és az ellenőrzési lépésben.
Klaszterezésnél a beágyazásokat egy csoportosítási folyamat numerikus bemeneteként használja, majd csoportelnevezés előtt vizsgáljon meg reprezentatív rekordokat. Ez a modell vektorokat szolgáltat, nem írott klasztercímkéket vagy generált GYIK-választ. Hasznos eredménye rövid forrásszövegrészlet tömör reprezentációja, amely az eredeti rekordhoz kapcsolva marad.
Ailoot Ultra · Beágyazások POST /v1/embeddings sentence-transformers/all-minilm-l6-v2
sentence-transformers/all-minilm-l6-v2
sentence-transformers/all-minilm-l6-v2Kezdő lépések
A Sentence Transformers all-MiniLM-L6-v2 mondatokat és rövid bekezdéseket reprezentál 384 dimenziós vektorokként szemantikai kereséshez, klaszterezéshez és hasonlósághoz. Közzétett receptje átlagoló poolingot kombinál L2-normalizálással és 256 szórészes alapbeállítással.
- Elfogadott bemenetek
- Szöveg · token_ids
- Eredmények
- embedding
Elérhető az Ailootban · bemenetek és metódusok
Ailoot Ultra · Beágyazások POST /v1/embeddings
- Bemenet
text,token_ids- Kimenet
embedding- Kimeneti formátum
- json
| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok sentence-transformers/all-minilm-l6-v2 | 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— |
Bemeneti anyagok kombinációi
text_to_embedding
Metódus paraméterei és életciklusa
| 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.
Díjcsomagok
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
- Gyors mód
- Nincs megadva Ha a gyors mód van kiválasztva
- Flex mód
- Nincs megadva Ha a flex mód van kiválasztva
- Maximális gondolkodási ráfordítás
- Nincs megadva Ha a maximális gondolkodási ráfordításra a default beállításhoz tartozó korrekció vonatkozik
Ailoot-díjak
Árak beállításonként
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.00001 / 1K token Kimenet · Kimeneti tokenek $0 / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
Példakérések
Ailoot Ultra · Beágyazások
set -eu
: "${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-l6-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-l6-v2',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
Eredmények fogadása és mentése
Ailoot Ultra · Beágyazások
json
Őrizzen meg minden elkészült eredményt
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.
Ha az eredeti választ ellenőrizni kell
Nem kerül bevezetésre külön beágyazási feladatvégpont.
Válaszmezők
| Mező | Típus |
|---|---|
Mezőobject | Típusstring |
Mezőmodel | Típusstring |
Meződata[].index | Típusinteger |
Meződata[].embedding | Típusfinite float[] |
Mezőusage | Típusobject |
Hibák és következő lépések
| 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. |
Álnevek
Modell álnevei
Ailoot Ultra sentence-transformers/all-minilm-l6-v2
Metódusútvonalak álnevei
Használja a fent látható metódusútvonalakat.
Kapcsolódó modellazonosítók
FAQ · Sentence Transformers: all-MiniLM-L6-v2
- Milyen bemenetek és eredmények érhetők el?
POST /v1/embeddings·sentence-transformers/all-minilm-l6-v2:text,token_ids→embedding- Mely mezőket használja a kérés?
POST /v1/embeddings·sentence-transformers/all-minilm-l6-v2:model,input,encoding_format,provider- Milyen korlátok érvényesek?
POST /v1/embeddings·sentence-transformers/all-minilm-l6-v2:input.budget.maximum:512(UTF8-bájtok);input.min_items:1