Llama Nemotron Rerank VL 1B V2 vurderer relevansen av kandidattekst og dokumentbilder for en tekstspørring, inkludert diagrammer, tabeller og sider med blandede medier. NVIDIA beskriver den som en kryssenkodermodell med 1,7 milliarder parametere. I en innhentingsflyt kjører du det første søket før du sender de valgte kandidatene til rangeringsmodellen. Det nyttige resultatet er et omrangert sett med disse kandidatene og relevanspoeng, som en applikasjon kan bruke til å velge kontekst for et svar eller ordne en søkeresultatside.
Bruk POST /v1/rerank med en application/json-kropp. Sett model til "nvidia/llama-nemotron-rerank-vl-1b-v2:free", query til det faktiske søkespørsmålet og documents til en array som ikke er tom. Hver kandidat kan være en tekststreng eller et objekt med text og/eller image; et strukturert objekt må oppgi minst ett av disse feltene. text er en streng. image er en ekstern HTTP/HTTPS-URL eller en base64-data-URI som begynner med data:image/. En kombinert kandidat oppgir begge feltene. Behold rekkefølgen i denne inndata-arrayen, slik at returnerte indekser kan kobles til de lagrede dokument-ID-ene. top_n er et valgfritt heltall på minst 1 som angir antallet høyest rangerte dokumenter som skal returneres.
En hjelpesenterapplikasjon kan for eksempel hente avsnitt om levering, retur og kontotilgang og deretter omrangere disse avsnittene mot kundens leveringsspørsmål. Send selve avsnittsteksten i stedet for filnavn eller søkemotorutdrag uten sammenheng med den lagrede kilden. Hold hvert avsnitt knyttet til sin egen kildeidentifikator i applikasjonen, slik at de valgte beleggene senere kan siteres eller åpnes. For et skannet dokument, diagram, en tabell eller infografikk oppgir du selve bildet i et dokumentobjekt og legger til tekst når det hjelper med å identifisere innholdet.
Modellsiden dokumenterer en grense på 10 240 tokener per spørring og dokument. Del lengre kildemateriale i avgrensede avsnitt før du forbereder kandidatlisten. Behold nyttig omkringliggende kontekst sammen med hvert avsnitt, inkludert overskriften eller produktnavnet når det endrer betydningen. Den dokumenterte forespørselen starter med kandidatene du oppgir; den søker ikke i en dokumentsamling på dine vegne.
Omrangeringen returnerer et synkront JSON-resultat. Les hvert results-element, inkludert den opprinnelige index, relevance_score og det returnerte document-objektet, som kan inneholde text og/eller image, og behold eventuell returnert usage og svaridentifikatorer. Bruk index til å koble det rangerte resultatet tilbake til inndatakandidaten. Behandle en relevanspoengsum som et rangeringssignal for denne spørringen og ikke som et uavhengig verifisert faktasvar. Behold hele resultatet når flere avsnitt velges til neste trinn.
Forbered offentlig eller syntetisk kandidatmateriale for denne gratisutgaven; de dokumenterte bruksvilkårene utelukker konfidensiell informasjon og personopplysninger. Hvis en forespørsel avsluttes uten et fullstendig resultat, beholder du det opprinnelige svaret og forespørselsidentifikatoren mens du kontrollerer forsøket. Den dokumenterte omrangeringsflyten returnerer resultatet direkte og gir ingen separat arbeidsflyt for statusforespørsler eller kansellering.
", "aboutText": "Llama Nemotron Rerank VL 1B V2 vurderer relevansen av kandidattekst og dokumentbilder for en tekstspørring, inkludert diagrammer, tabeller og sider med blandede medier. NVIDIA beskriver den som en kryssenkodermodell med 1,7 milliarder parametere. I en innhentingsflyt kjører du det første søket før du sender de valgte kandidatene til rangeringsmodellen. Det nyttige resultatet er et omrangert sett med disse kandidatene og relevanspoeng, som en applikasjon kan bruke til å velge kontekst for et svar eller ordne en søkeresultatside.\n\nBruk POST /v1/rerank med en application/json-kropp. Sett model til \"nvidia/llama-nemotron-rerank-vl-1b-v2:free\", query til det faktiske søkespørsmålet og documents til en array som ikke er tom. Hver kandidat kan være en tekststreng eller et objekt med text og/eller image; et strukturert objekt må oppgi minst ett av disse feltene. text er en streng. image er en ekstern HTTP/HTTPS-URL eller en base64-data-URI som begynner med data:image/. En kombinert kandidat oppgir begge feltene. Behold rekkefølgen i denne inndata-arrayen, slik at returnerte indekser kan kobles til de lagrede dokument-ID-ene. top_n er et valgfritt heltall på minst 1 som angir antallet høyest rangerte dokumenter som skal returneres.\n\nEn hjelpesenterapplikasjon kan for eksempel hente avsnitt om levering, retur og kontotilgang og deretter omrangere disse avsnittene mot kundens leveringsspørsmål. Send selve avsnittsteksten i stedet for filnavn eller søkemotorutdrag uten sammenheng med den lagrede kilden. Hold hvert avsnitt knyttet til sin egen kildeidentifikator i applikasjonen, slik at de valgte beleggene senere kan siteres eller åpnes. For et skannet dokument, diagram, en tabell eller infografikk oppgir du selve bildet i et dokumentobjekt og legger til tekst når det hjelper med å identifisere innholdet.\n\nModellsiden dokumenterer en grense på 10 240 tokener per spørring og dokument. Del lengre kildemateriale i avgrensede avsnitt før du forbereder kandidatlisten. Behold nyttig omkringliggende kontekst sammen med hvert avsnitt, inkludert overskriften eller produktnavnet når det endrer betydningen. Den dokumenterte forespørselen starter med kandidatene du oppgir; den søker ikke i en dokumentsamling på dine vegne.\n\nOmrangeringen returnerer et synkront JSON-resultat. Les hvert results-element, inkludert den opprinnelige index, relevance_score og det returnerte document-objektet, som kan inneholde text og/eller image, og behold eventuell returnert usage og svaridentifikatorer. Bruk index til å koble det rangerte resultatet tilbake til inndatakandidaten. Behandle en relevanspoengsum som et rangeringssignal for denne spørringen og ikke som et uavhengig verifisert faktasvar. Behold hele resultatet når flere avsnitt velges til neste trinn.\n\nForbered offentlig eller syntetisk kandidatmateriale for denne gratisutgaven; de dokumenterte bruksvilkårene utelukker konfidensiell informasjon og personopplysninger. Hvis en forespørsel avsluttes uten et fullstendig resultat, beholder du det opprinnelige svaret og forespørselsidentifikatoren mens du kontrollerer forsøket. Den dokumenterte omrangeringsflyten returnerer resultatet direkte og gir ingen separat arbeidsflyt for statusforespørsler eller kansellering.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "8b2fd2566a917502019f40ac9c752f524703f55fccf7df09b60f81e29bb3c46c", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "nvidia/llama-nemotron-rerank-vl-1b-v2:freeLlama Nemotron Rerank VL 1B V2 er NVIDIAs kryssenkoder for relevansrangering av innhentet materiale mot en spørring. Send en spørring og kandidatdokumenter med tekst, bilder eller en kombinasjon, og bruk deretter de returnerte poengsummene og opprinnelige indeksene til å velge avsnitt til søkeresultater eller et svar med hentet kildestøtte.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Llama Nemotron Rerank VL 1B V2 vurderer relevansen av kandidattekst og dokumentbilder for en tekstspørring, inkludert diagrammer, tabeller og sider med blandede medier. NVIDIA beskriver den som en kryssenkodermodell med 1,7 milliarder parametere. I en innhentingsflyt kjører du det første søket før du sender de valgte kandidatene til rangeringsmodellen. Det nyttige resultatet er et omrangert sett med disse kandidatene og relevanspoeng, som en applikasjon kan bruke til å velge kontekst for et svar eller ordne en søkeresultatside.
Bruk POST /v1/rerank med en application/json-kropp. Sett model til "nvidia/llama-nemotron-rerank-vl-1b-v2:free", query til det faktiske søkespørsmålet og documents til en array som ikke er tom. Hver kandidat kan være en tekststreng eller et objekt med text og/eller image; et strukturert objekt må oppgi minst ett av disse feltene. text er en streng. image er en ekstern HTTP/HTTPS-URL eller en base64-data-URI som begynner med data:image/. En kombinert kandidat oppgir begge feltene. Behold rekkefølgen i denne inndata-arrayen, slik at returnerte indekser kan kobles til de lagrede dokument-ID-ene. top_n er et valgfritt heltall på minst 1 som angir antallet høyest rangerte dokumenter som skal returneres.
En hjelpesenterapplikasjon kan for eksempel hente avsnitt om levering, retur og kontotilgang og deretter omrangere disse avsnittene mot kundens leveringsspørsmål. Send selve avsnittsteksten i stedet for filnavn eller søkemotorutdrag uten sammenheng med den lagrede kilden. Hold hvert avsnitt knyttet til sin egen kildeidentifikator i applikasjonen, slik at de valgte beleggene senere kan siteres eller åpnes. For et skannet dokument, diagram, en tabell eller infografikk oppgir du selve bildet i et dokumentobjekt og legger til tekst når det hjelper med å identifisere innholdet.
Modellsiden dokumenterer en grense på 10 240 tokener per spørring og dokument. Del lengre kildemateriale i avgrensede avsnitt før du forbereder kandidatlisten. Behold nyttig omkringliggende kontekst sammen med hvert avsnitt, inkludert overskriften eller produktnavnet når det endrer betydningen. Den dokumenterte forespørselen starter med kandidatene du oppgir; den søker ikke i en dokumentsamling på dine vegne.
Omrangeringen returnerer et synkront JSON-resultat. Les hvert results-element, inkludert den opprinnelige index, relevance_score og det returnerte document-objektet, som kan inneholde text og/eller image, og behold eventuell returnert usage og svaridentifikatorer. Bruk index til å koble det rangerte resultatet tilbake til inndatakandidaten. Behandle en relevanspoengsum som et rangeringssignal for denne spørringen og ikke som et uavhengig verifisert faktasvar. Behold hele resultatet når flere avsnitt velges til neste trinn.
Forbered offentlig eller syntetisk kandidatmateriale for denne gratisutgaven; de dokumenterte bruksvilkårene utelukker konfidensiell informasjon og personopplysninger. Hvis en forespørsel avsluttes uten et fullstendig resultat, beholder du det opprinnelige svaret og forespørselsidentifikatoren mens du kontrollerer forsøket. Den dokumenterte omrangeringsflyten returnerer resultatet direkte og gir ingen separat arbeidsflyt for statusforespørsler eller kansellering.
POST /v1/reranktextranking| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser nvidia/llama-nemotron-rerank-vl-1b-v2:free | Standard— |
Feltquery | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltdocuments | Typearray | KravPåkrevd | Verdier & grenser | Standard— |
Felttop_n | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, query, documents |
Parameteroptional | Avtaletop_n |
Parametermaterial_types | Avtaletext |
Parameterconditions | Avtale |
Livssyklus: synchronous_json
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Faktureringsmengde | Kostnad |
|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Faktureringsmengde— | Kostnad Inndata · Inngående tokener — / 1K tokener Utdata · Utgående tokener — / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonPer forespørsel | Prisplan— | Faktureringsmengdeén forespørsel | Kostnad Inndata $0 per forespørsel |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"documents": ["Paris is the capital of France.", "Berlin is the capital of Germany."], "model": "nvidia/llama-nemotron-rerank-vl-1b-v2:free", "query": "What is the capital of France?", "top_n": 3}')\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/rerank \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
| Felt | Type |
|---|---|
Feltresults | Typearray |
Ailoot Ultra nvidia/llama-nemotron-rerank-vl-1b-v2:free
Bruk metodestiene som vises ovenfor.