Source: https://ailoot.ai/models/hu/sentence-transformers-all-mpnet-base-v2/ Canonical: https://ailoot.ai/models/hu/sentence-transformers-all-mpnet-base-v2/ Language: hu # Sentence Transformers: all-mpnet-base-v2 [Markdown](https://ailoot.ai/models/hu/sentence-transformers-all-mpnet-base-v2/index.md) · [JSON](https://ailoot.ai/models/hu/sentence-transformers-all-mpnet-base-v2/facts.json) ## [Sentence Transformers: all-mpnet-base-v2](https://ailoot.ai/models/hu/sentence-transformers-all-mpnet-base-v2/) A Sentence Transformers all-mpnet-base-v2 mondatokat és rövid bekezdéseket alakít 768 dimenziós vektorokká visszakereséshez, klaszterezéshez és hasonlósághoz. A közzétett recept átlagoló poolingot és L2-normalizálást használ, alapértelmezésben 384 szórésznél csonkítva. - [**Ailoot Ultra · Beágyazások** `POST /v1/embeddings` `sentence-transformers/all-mpnet-base-v2`](https://ailoot.ai/models/hu/sentence-transformers-all-mpnet-base-v2/#method-0) A modellről Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók. Az all-mpnet-base-v2 a Sentence Transformers modellje mondatok és rövid bekezdések 768 dimenziós sűrű vektorokként való reprezentálásához. Az MPNet alapmodellből finomhangolták kontrasztív tanulással egy egymilliárd mondatpárból álló gyűjteményen. A gyártó tervezett használatként információ-visszakeresést, klaszterezést és mondathasonlóságot nevez meg. #### Kódoljon mondatot vagy rövid bekezdést Készítse elő az összehasonlítandó szöveget, megtartva a fő gondolatot és megkülönböztető részleteit. Belső dokumentumgyűjteménynél egy rövid szakasz leírhatja, hogyan kérhető eszközcsere, vagy milyen adatokat kell tartalmaznia a karbantartási jelentésnek. A dokumentum címe és forráshelye maradjon elérhető a vektor mellett. Az azonos modellel beágyazott lekérdezés eltérő megfogalmazás mellett is visszakereshet kapcsolódó szakaszokat. Vizsgálja meg e szakaszokban az olvasó számára szükséges tényleges utasítást. Hasonlósági munkafolyamatnál a visszakeresés után magukat a jelöltmondatokat hasonlítsa össze, különösen ha az egyik olyan kivételt vagy feltételt tartalmaz, amely a másikból hiányzik. #### Átlagoló pooling és normalizálás A referencia kódolási példa figyelmi maszkkal átlagolja a kontextuális tokenreprezentációkat, a kitöltést kizárva az átlagból. Ezután L2-normalizálja a kapott mondatbeágyazásokat. Mindkét lépést őrizze meg a gyűjtemény és későbbi lekérdezések vektorainak előállításakor. Minden vektor 768 komponensű. A koszinuszhasonlóság összehasonlíthatja e normalizált reprezentációkat, a forrásszöveg pedig az eredmény mögötti bizonyítékot adja. A közös komponensszám nem teszi e modellt kompatibilissé a multi-qa-mpnet-base-dot-v1 modellel: az a külön kiadás CLS poolingot és nem normalizált vektorokat ír elő skalárszorzatos pontozáshoz. #### Alapértelmezett csonkítás és szövegrészlet-előkészítés A gyártó közli, hogy a 384 szórészen túli bemenet alapértelmezésben csonkul. A releváns szakaszt tartsa e tokenizálóhatáron belül. Hosszú eljárásnál értelmes szakaszhatároknál bontson, és adjon elég helyi kontextust annak elmagyarázásához, mire vonatkozik egy lépés. Az olyan töredékhez, mint „Öt napon belül küldje be”, szükség van a határidőt elindító eseményre vagy folyamatra. A tanítási eljárás 128 tokenre korlátozta a szekvenciákat, ami különbözik a közzétett 384 szórészes kódolási alapértéktől. Hosszabb bekezdések vagy a gyűjteményre jellemző szókincs értékeléséhez reprezentatív anyagot használjon. Attól, hogy több szöveg fér a bemenetbe, még nem igazolt, hogy minden részlet egyformán befolyásolja a visszakeresési eredményt. #### Visszakeresés, csoportosítás és összehasonlítás Keresésnél őrizze meg a vektor és dokumentum kapcsolatát, hogy a rangsorolt jelöltek az eredeti szakaszokat adhassák vissza. RAG-munkafolyamatban a kiválasztott szakaszok a válaszíró lépés kontextusává válnak. A modell numerikus reprezentációkat ad; nem generál forrásalapú választ, és nem dönti el, melyik dokumentum mérvadó. Klaszterezésnél címkék kiosztása előtt hasonlítsa össze az egyes javasolt csoportok rekordjait. Karbantartási jegyzetek készlete hasonló nyelvezetet tartalmazhat, mégis eltérő eszközökre vagy hibakörülményekre vonatkozhat. Ezeket a megkülönböztető részleteket foglalja a kódolt szövegbe, és a visszaadott anyagban vizsgálja őket, ne kizárólag pontszámra hagyatkozzon. Ez a pontos all-mpnet-base-v2 checkpoint angol mondatbeágyazási profil saját átlagoló pooling-, normalizálási és alapértelmezett csonkítási beállításokkal. E beállításokat tartsa az indexelt gyűjteménnyel együtt, és a vektorokat a feladathoz fontos forrásszövegrészletek megtalálásának és összehasonlításának segédeszközeként használja. **Ailoot Ultra · Beágyazások** `POST /v1/embeddings` `sentence-transformers/all-mpnet-base-v2` [`sentence-transformers/all-mpnet-base-v2`](https://ailoot.ai/models/hu/#m=sentence-transformers%2Fall-mpnet-base-v2&route=Ultra&caller=sentence-transformers%2Fall-mpnet-base-v2&fmt=embeddings) Sentence Transformers /`sentence-transformers/all-mpnet-base-v2` ### Kezdő lépések A Sentence Transformers all-mpnet-base-v2 mondatokat és rövid bekezdéseket alakít 768 dimenziós vektorokká visszakereséshez, klaszterezéshez és hasonlósághoz. A közzétett recept átlagoló poolingot és L2-normalizálást használ, alapértelmezésben 384 szórésznél csonkítva. 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 | | --- | --- | --- | --- | --- | | Mező`model` | Típus`string` | KövetelményKötelező | Értékek és korlátok sentence-transformers/all-mpnet-base-v2 | Alapértelmezett— | | Mező`input` | Típus`string\|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— | | Mező`encoding_format` | Típus`string` | KövetelményOpcionális | Értékek és korlátok float | Alapértelmezettfloat | | Mező`dimensions` | Típus`integer` | KövetelményNem támogatott | Értékek és korlátok Minimum: 1 | Alapértelmezett— | | Mező`user` | Típus`json_value` | KövetelményOpcionális | Értékek és korlátok Feltételek: A forrás engedélyezi ezt a JSON-metaadatmezőt; a szolgáltatónál érvényes pontos jelentése modellenként eltér. | Alapértelmezett— | | Mező`session_id` | Típus`json_value` | KövetelményOpcionális | Értékek és korlátok Feltételek: A forrás engedélyezi ezt a JSON-metaadatmezőt; a szolgáltatónál érvényes pontos jelentése modellenként eltér. | Alapértelmezett— | | Mező`trace` | Típus`json_value` | KövetelményOpcionális | Értékek és korlátok Feltételek: A forrás engedélyezi ezt a JSON-metaadatmezőt; a szolgáltatónál érvényes pontos jelentése modellenként eltér. | Alapértelmezett— | | Mező`provider` | Típus`object` | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasítva | Alapértelmezett— | Bemeneti anyagok kombinációi **text\_to\_embedding** Metódus paraméterei és életciklusa | Paraméter | Szerződés | | --- | --- | | Paraméter`content_type` | Szerződésapplication/json | | Paraméter`required` | Szerződésmodel, input | | Paraméter`input_shapes` | Szerződésstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Paraméter`encoding_format` | Szerződésfloat | | Paraméter`dimensions_override` | Szerződésfalse | | Paraméter`max_input_budget_units` | Szerződés512 | | Paraméter`multimodal_objects` | Szerződésfalse | | Paraméter`material_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 **$0** / 1K token Bemenet · Gyorsítótár olvasása **—** / 1K token Bemenet · Írás a gyorsítótárba **—** / 1K token Bemenet · Írás a gyorsítótárba, 1 óra **—** / 1K token | Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. [A foglalás és az elszámolás működése →](https://ailoot.ai/docs/hu/billing/reserve/) ### Példakérések #### Ailoot Ultra · Beágyazások curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "sentence-transformers/all-mpnet-base-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 ``` ```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/all-mpnet-base-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 | | --- | --- | | Mező`object` | Típusstring | | Mező`model` | Típusstring | | Mező`data[].index` | Típusinteger | | Mező`data[].embedding` | Típusfinite float\[\] | | Mező`usage` | 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-mpnet-base-v2`](https://ailoot.ai/models/hu/#m=sentence-transformers%2Fall-mpnet-base-v2&route=Ultra&caller=sentence-transformers%2Fall-mpnet-base-v2&fmt=embeddings) #### Metódusútvonalak álnevei Használja a fent látható metódusútvonalakat. #### Kapcsolódó modellazonosítók [`sentence-transformers/all-mpnet-base-v2`](https://ailoot.ai/models/hu/#m=sentence-transformers%2Fall-mpnet-base-v2&route=Ultra&caller=sentence-transformers%2Fall-mpnet-base-v2&fmt=embeddings) FAQ · Sentence Transformers: all-mpnet-base-v2 Milyen bemenetek és eredmények érhetők el? `POST /v1/embeddings` · `sentence-transformers/all-mpnet-base-v2`: `text`, `token_ids` → `embedding` Mely mezőket használja a kérés? `POST /v1/embeddings` · `sentence-transformers/all-mpnet-base-v2`: `model`, `input`, `encoding_format`, `provider` Milyen korlátok érvényesek? `POST /v1/embeddings` · `sentence-transformers/all-mpnet-base-v2`: `input.budget.maximum`: `512` (UTF8-bájtok); `input.min_items`: `1` Csatlakoztassa az Ailootot a Claude Code-hoz, OpenCode-hoz, Hermeshez vagy saját alkalmazásához. ## A vállalat és projektportfóliója A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. ## Vásároljon tokeneket kedvezménnyel. Előfizetési kedvezmény rendszeres munkához. Promókódok — akár 50% tokenvásárlási kedvezmény. Előfizetés Válasszon kedvezményes tarifát a rendszeres kéréseihez. Promókód akár 50%-ig Vásárláskor adja meg a kódot. Az ár az érvényes akció szerint újraszámolódik. Költségek az előzményekben Minden kéréshez megmarad a modell, a tokenek és az összeg. [Előfizetés kiválasztása](https://ailoot.ai/docs/hu/billing/subscriptions/) · [Modellárak megtekintése](https://ailoot.ai/models/hu/) ## Csatlakoztassa az API-t az értékesített termékéhez. SaaS, alkalmazások és botok — az Ailoot ajánlati feltételei és licencszerződése alapján. Viszonteladáshoz kérjen viszonteladói licencet. Kereskedelmi alkalmazás Építsen szöveg-, kép-, videó- és hanggenerálást szolgáltatása fizetős funkcióiba. Viszonteladói licenc Küldje el a projekt leírását és a hozzáférés módját. Kérjen írásos használati és viszonteladási feltételeket. Dokumentumok a weboldalon Az ajánlati feltételek, licencszerződés és adatkezelési szabályzat már a csatlakoztatás előtt elérhető. [Viszonteladói licenc kérése](mailto:support@ailoot.ai) · [Ajánlati feltételek és licencszerződés](https://ailoot.ai/legal/offer?lang=hu) ## Ailoot · A vállalat és projektportfóliója Az Ailoot felhalmozott működési tapasztalatra, széles ügyfélkörre, stabil szolgáltatásra és folyamatos KPI-ellenőrzésre épít. A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. Az Ailoot ezt a működési tapasztalatot használja az ügyfelek termékeiben, ágenseiben, alkalmazásaiban és automatizálásaiban elérhető AI-funkciók API-hozzáféréséhez.