Thenlper: GTE-Base
Az Alibaba DAMO Academy GTE-base modellje angol szöveget ágyaz be 768 dimenziós vektorokba kereséshez és szemantikai hasonlósághoz. Ez a konkrét modell átlagoló összevonást használ, legfeljebb 512 tokenes sorozatokat támogat, és opcionális normalizálással végzett koszinuszalapú összehasonlítást dokumentál.
A modellről
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A GTE-base az Alibaba DAMO Academy által tanított General Text Embeddings sorozat alapméretű modellje. Ez az angol szövegkódoló főként a BERT keretrendszerre épül, és 768 dimenziós sűrű vektorokat állít elő. Tanítása különböző területekről származó relevanciakapcsolatú párok nagy korpuszát használja; a megadott alkalmazások között az információkeresés, a szemantikai szöveghasonlóság és a beágyazásalapú szöveg-újrarangsorolás szerepel.
Készítsen elő angol lekérdezéseket és szövegrészleteket
Az információigényhez és a keresendő anyaghoz is olvasható angol szöveget használjon. Egy elhasználódott alkatrész cseréjére vonatkozó lekérdezés például összehasonlítható a cserefeltételeket, az ellenőrzési lépéseket és a rendelési utasításokat leíró rövid karbantartási szakaszokkal. Őrizze meg az alkatrész nevét és a szakaszokat megkülönböztető feltételeket.
A közzétett példa közvetlenül kódolja a kérdéseket és a jelölt szövegeket, hozzáadott feladatutasítás nélkül. A gyűjteményben és a későbbi lekérdezéseknél következetesen ezt az előkészítést használja. A vektor mellett tárolja az eredeti szövegrészletet és annak azonosítóját, hogy a rangsorolt eredmény megjeleníthesse a reprezentált információt.
Átlagoló összevonás és összehasonlítás
A referenciaeljárás a figyelmi maszk használatával átlagolja a modell tokenreprezentációit, megakadályozva, hogy a kitöltési pozíciók hozzájáruljanak az eredményhez. Ezután opcionális L2-normalizálást mutat be, és a normalizált vektorokat a skalárszorzatukkal hasonlítja össze. Egy külön példa koszinuszhasonlóságot használ.
Válasszon következetes normalizálási és összehasonlítási beállítást az indexeléshez és a kereséshez, és tartsa meg azt. A kimenet 768 numerikus komponenst tartalmaz; nem tartalmaz generált választ. A jelöltek újrarangsorolásához ugyanazzal a modellel kódolja a jelölt szövegrészleteket, és a lekérdezéshez való hasonlóságuk alapján rendezze őket. Ez továbbra is beágyazásalapú összehasonlítás, nem pedig olyan állítás, hogy a modell keresztkódolóként együtt olvas minden lekérdezés–szövegrészlet párt.
Angol nyelvi hatókör és 512 tokenes bemenetek
A konkrét modellkártya ezt a modellt angol szövegre korlátozza, és kimondja, hogy a hosszú bemeneteket legfeljebb 512 tokenre csonkolja. A hosszú kézikönyvet ezért indexelés előtt értelmes szakaszokra kell bontani. A figyelmeztetést, kivételt vagy megszorítást tartsa az általa módosított szabállyal együtt, amikor ezek a részletek szükségesek a szövegrészlet értelmezéséhez.
Egy karbantartási intervallumokra vonatkozó lekérdezésnél az intervallumot és az üzemi feltételt is tartalmazó szakasz hasznosabb, mint egy pusztán számot tartalmazó töredék. Őrizze meg a címsort vagy a berendezés azonosítását, ha az egyértelművé teszi az utasítást. A tokenizálóval ellenőrizze a hosszúságot ahelyett, hogy a látható szavak számára hagyatkozna.
Használja a pontszám mögötti forrásszövegeket
A keresés az indexelt gyűjteményből ad vissza jelölteket. A pontos feladathoz vizsgálja meg a vezető szövegrészleteket, és őrizze meg a forrásbeli helyüket, amikor RAG-válaszírási lépésnek adja át őket. Egy kapcsolódó szövegrészlet tárgyalhat ellenőrzést anélkül, hogy engedélyezné a cserét; ennek a különbségnek láthatónak kell maradnia a forrásanyagban.
A GTE-base különbözik az 1024 dimenziós vektorokat előállító GTE-large modelltől, valamint a későbbi többnyelvű vagy kiterjesztett kontextusú GTE-kiadásoktól. Közzétett modellidentitása határozza meg az angol nyelvi hatókört, a 768 komponensű reprezentációt és az 512 tokenes határt. Keresési gyűjtemény értékelésekor ezt a konkrét profilt használja reprezentatív lekérdezésekkel és forrásrekordokkal.
Ailoot Ultra · Beágyazások POST /v1/embeddings thenlper/gte-base
thenlper/gte-baseKezdő lépések
Az Alibaba DAMO Academy GTE-base modellje angol szöveget ágyaz be 768 dimenziós vektorokba kereséshez és szemantikai hasonlósághoz. Ez a konkrét modell átlagoló összevonást használ, legfeljebb 512 tokenes sorozatokat támogat, és opcionális normalizálással végzett koszinuszalapú összehasonlítást dokumentál.
- 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 thenlper/gte-base | 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": "thenlper/gte-base", "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='thenlper/gte-base',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 thenlper/gte-base
Metódusútvonalak álnevei
Használja a fent látható metódusútvonalakat.
Kapcsolódó modellazonosítók
FAQ · Thenlper: GTE-Base
- Milyen bemenetek és eredmények érhetők el?
POST /v1/embeddings·thenlper/gte-base:text,token_ids→embedding- Mely mezőket használja a kérés?
POST /v1/embeddings·thenlper/gte-base:model,input,encoding_format,provider- Milyen korlátok érvényesek?
POST /v1/embeddings·thenlper/gte-base:input.budget.maximum:512(UTF8-bájtok);input.min_items:1