Sentence Transformers: all-mpnet-base-v2
Sentence Transformers all-mpnet-base-v2 แปลงประโยคและย่อหน้าสั้นเป็นเวกเตอร์ 768 มิติสำหรับการค้นคืน จัดกลุ่ม และเปรียบเทียบความคล้าย วิธีที่เผยแพร่ใช้การรวมแบบเฉลี่ยและ L2 normalization โดยค่าเริ่มต้นตัดอินพุตที่ 384 หน่วย word piece
เกี่ยวกับโมเดล
คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก
all-mpnet-base-v2 เป็นโมเดล Sentence Transformers สำหรับแทนประโยคและย่อหน้าสั้นเป็นเวกเตอร์หนาแน่น 768 มิติ ปรับแต่งจากโมเดล MPNet Base ด้วยการเรียนรู้แบบเปรียบต่างบนคอลเล็กชันคู่ประโยคหนึ่งพันล้านคู่ ผู้ผลิตระบุการค้นคืนข้อมูล การจัดกลุ่ม และความคล้ายประโยคเป็นการใช้งานที่ตั้งใจ
เข้ารหัสประโยคหรือย่อหน้าสั้น
เตรียมข้อความที่จะเปรียบเทียบ โดยรักษาใจความหลักและรายละเอียดที่แยกความต่าง สำหรับคอลเล็กชันเอกสารภายใน ส่วนสั้นอาจอธิบายวิธีขอเปลี่ยนอุปกรณ์หรือข้อมูลที่รายงานบำรุงรักษาต้องมี เก็บชื่อเอกสารและตำแหน่งแหล่งที่มาให้ใช้ได้ข้างเวกเตอร์
คำค้นที่เอ็มเบดด้วยโมเดลเดียวกันค้นคืนส่วนที่เกี่ยวข้องได้แม้ใช้ถ้อยคำต่างกัน ตรวจส่วนเหล่านั้นว่ามีคำสั่งจริงที่ผู้อ่านต้องใช้หรือไม่ สำหรับเวิร์กโฟลว์ความคล้าย ให้เปรียบเทียบประโยคตัวเลือกเองหลังค้นคืน โดยเฉพาะเมื่อฝ่ายหนึ่งมีข้อยกเว้นหรือเงื่อนไขที่อีกฝ่ายไม่มี
การรวมแบบเฉลี่ยและ normalization
ตัวอย่างเข้ารหัสอ้างอิงเฉลี่ยตัวแทนโทเคนที่มีบริบทด้วย attention mask โดยตัด padding ออกจากค่าเฉลี่ย จากนั้นทำ L2 normalization กับเอ็มเบดดิงประโยคผลลัพธ์ รักษาทั้งสองขั้นตอนเมื่อสร้างเวกเตอร์คอลเล็กชันและคำค้นภายหลัง
แต่ละเวกเตอร์มี 768 องค์ประกอบ ความคล้ายโคไซน์เปรียบเทียบตัวแทนที่ผ่าน normalization เหล่านั้นได้ ขณะที่ข้อความต้นฉบับให้หลักฐานเบื้องหลังผล จำนวนองค์ประกอบร่วมกันไม่ได้ทำให้โมเดลนี้เข้ากันได้กับ multi-qa-mpnet-base-dot-v1 รุ่นแยกนั้นระบุการรวมแบบ CLS และเวกเตอร์ที่ไม่ผ่าน normalization สำหรับคะแนนผลคูณจุด
การตัดตามค่าเริ่มต้นและการเตรียมย่อหน้า
ผู้ผลิตระบุว่าอินพุตเกิน 384 หน่วย word piece ถูกตัดตามค่าเริ่มต้น ให้ส่วนที่เกี่ยวข้องอยู่ในขอบเขต tokenizer นั้น สำหรับขั้นตอนยาว ให้แบ่งตามขอบส่วนที่มีความหมายและใส่บริบทเฉพาะที่พออธิบายว่าขั้นตอนใช้กับอะไร ส่วนข้อความอย่าง “ส่งภายในห้าวัน” ต้องมีเหตุการณ์หรือกระบวนการที่เริ่มนับเส้นตาย
กระบวนการฝึกจำกัดลำดับไว้ที่ 128 โทเคน ซึ่งแยกจากค่าเริ่มต้นเข้ารหัส 384 หน่วย word piece ที่เผยแพร่ ใช้ข้อมูลที่เป็นตัวแทนเมื่อประเมินย่อหน้ายาวหรือคำศัพท์เฉพาะคอลเล็กชัน การใส่ข้อความได้มากขึ้นไม่ได้ยืนยันว่าทุกรายละเอียดมีผลต่อผลค้นคืนเท่ากัน
การค้นคืน จัดกลุ่ม และเปรียบเทียบ
สำหรับการค้นหา ให้เก็บความเชื่อมโยงเวกเตอร์กับเอกสาร เพื่อให้ตัวเลือกจัดอันดับคืนส่วนต้นฉบับได้ ในเวิร์กโฟลว์ RAG ส่วนที่เลือกเป็นบริบทของขั้นตอนเขียนคำตอบ โมเดลให้ตัวแทนเชิงตัวเลข ไม่ได้สร้างคำตอบพร้อมแหล่งอ้างอิงหรือตัดสินว่าเอกสารใดมีอำนาจอ้างอิง
สำหรับการจัดกลุ่ม ให้เปรียบเทียบระเบียนในแต่ละกลุ่มที่เสนอก่อนตั้งป้าย ชุดบันทึกบำรุงรักษาอาจใช้ภาษาคล้ายกันแต่กล่าวถึงคนละอุปกรณ์หรือเงื่อนไขเสีย ใส่รายละเอียดที่แยกความต่างในข้อความที่จะเข้ารหัส และตรวจในข้อมูลที่คืนมา แทนการพึ่งคะแนนอย่างเดียว
เช็กพอยต์ all-mpnet-base-v2 ที่ตรงรุ่นนี้เป็นโปรไฟล์เอ็มเบดดิงประโยคภาษาอังกฤษที่มีการรวมแบบเฉลี่ย normalization และการตัดตามค่าเริ่มต้นของตน เก็บการตั้งค่าเหล่านี้ไว้กับคอลเล็กชันที่สร้างดัชนี และใช้เวกเตอร์ช่วยค้นหาและเปรียบเทียบย่อหน้าต้นฉบับที่สำคัญต่องาน
Ailoot Ultra · เอ็มเบดดิง POST /v1/embeddings sentence-transformers/all-mpnet-base-v2
sentence-transformers/all-mpnet-base-v2
sentence-transformers/all-mpnet-base-v2เริ่มต้น
Sentence Transformers all-mpnet-base-v2 แปลงประโยคและย่อหน้าสั้นเป็นเวกเตอร์ 768 มิติสำหรับการค้นคืน จัดกลุ่ม และเปรียบเทียบความคล้าย วิธีที่เผยแพร่ใช้การรวมแบบเฉลี่ยและ L2 normalization โดยค่าเริ่มต้นตัดอินพุตที่ 384 หน่วย word piece
- อินพุตที่รองรับ
- ข้อความ · token_ids
- ผลลัพธ์
- embedding
ใช้งานได้ใน Ailoot · อินพุตและเมธอด
Ailoot Ultra · เอ็มเบดดิง POST /v1/embeddings
- ขาเข้า
text,token_ids- ขาออก
embedding- รูปแบบเอาต์พุต
- json
| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
|---|---|---|---|---|
ฟิลด์model | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด sentence-transformers/all-mpnet-base-v2 | ค่าเริ่มต้น— |
ฟิลด์input | ประเภทstring|string[]|integer[]|integer[][] | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด จำนวนรายการขั้นต่ำ: 1 เงื่อนไข: ชุดข้อมูลต้องไม่ว่างและประกอบด้วยข้อมูลชนิดเดียวกัน ID โทเคนต้องเป็นจำนวนเต็มที่ไม่ติดลบ โควตาอินพุต: สูงสุด: 512 · หน่วยข้อความ: ไบต์ UTF8 · หน่วยโทเค็น: องค์ประกอบในอาร์เรย์โทเค็น | ค่าเริ่มต้น— |
ฟิลด์encoding_format | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด float | ค่าเริ่มต้นfloat |
ฟิลด์dimensions | ประเภทinteger | ข้อกำหนดไม่รองรับ | ค่าและข้อจำกัด ขั้นต่ำ: 1 | ค่าเริ่มต้น— |
ฟิลด์user | ประเภทjson_value | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด เงื่อนไข: ต้นฉบับอนุญาตฟิลด์เมทาดาทา JSON นี้ โดยความหมายที่แน่นอนในระบบต้นทางขึ้นอยู่กับแต่ละโมเดล | ค่าเริ่มต้น— |
ฟิลด์session_id | ประเภทjson_value | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด เงื่อนไข: ต้นฉบับอนุญาตฟิลด์เมทาดาทา JSON นี้ โดยความหมายที่แน่นอนในระบบต้นทางขึ้นอยู่กับแต่ละโมเดล | ค่าเริ่มต้น— |
ฟิลด์trace | ประเภทjson_value | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด เงื่อนไข: ต้นฉบับอนุญาตฟิลด์เมทาดาทา JSON นี้ โดยความหมายที่แน่นอนในระบบต้นทางขึ้นอยู่กับแต่ละโมเดล | ค่าเริ่มต้น— |
ฟิลด์provider | ประเภทobject | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด เงื่อนไข: provider.options ถูกปฏิเสธ | ค่าเริ่มต้น— |
ชุดผสมของสื่ออินพุต
text_to_embedding
พารามิเตอร์และวงจรการทำงานของเมธอด
| พารามิเตอร์ | ข้อกำหนด |
|---|---|
พารามิเตอร์content_type | ข้อกำหนดapplication/json |
พารามิเตอร์required | ข้อกำหนดmodel, input |
พารามิเตอร์input_shapes | ข้อกำหนดstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
พารามิเตอร์encoding_format | ข้อกำหนดfloat |
พารามิเตอร์dimensions_override | ข้อกำหนดfalse |
พารามิเตอร์max_input_budget_units | ข้อกำหนด512 |
พารามิเตอร์multimodal_objects | ข้อกำหนดfalse |
พารามิเตอร์material_types | ข้อกำหนดtext, token_ids |
วงจรการทำงาน: synchronous_json
เก็บดัชนีและจำนวนมิติของเวกเตอร์ทุกรายการ
ชื่อโมเดลที่สื่อว่ารองรับข้อมูลหลายรูปแบบไม่ได้ทำให้สามารถส่งออบเจ็กต์รูปภาพผ่านเส้นทางเฉพาะนี้ได้
ราคา
ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก
- โหมดรวดเร็ว
- ไม่ได้ระบุ เมื่อเลือกโหมดรวดเร็ว
- โหมดยืดหยุ่น
- ไม่ได้ระบุ เมื่อเลือกโหมด flex
- ระดับการใช้เหตุผลสูงสุด
- ไม่ได้ระบุ เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด
อัตราค่าบริการ Ailoot
ราคาตามการตั้งค่า
| การตั้งค่า | ตารางอัตราค่าบริการ | ค่าบริการ |
|---|---|---|
| การตั้งค่าอัตราราคาพื้นฐานของโทเคน | ตารางอัตราค่าบริการอัตราพื้นฐาน | ค่าบริการ ขาเข้า · โทเค็นอินพุต $0.00001 / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต $0 / 1K โทเค็น ขาเข้า · การอ่านแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น |
Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →
ตัวอย่างคำขอ
Ailoot Ultra · เอ็มเบดดิง
set -eu
: "${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
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)
รับและบันทึกผลลัพธ์
Ailoot Ultra · เอ็มเบดดิง
json
เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด
เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน
เก็บเวกเตอร์ทุกรายการพร้อมดัชนีของแต่ละรายการ จำนวนเวกเตอร์ต้องเท่ากับจำนวนข้อมูลนำเข้า และจำนวนมิติต้องสอดคล้องกัน
เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ
ไม่มีการเพิ่มจุดเชื่อมต่อสำหรับงานสร้างเวกเตอร์ตัวแทนข้อมูล
ฟิลด์การตอบกลับ
| ฟิลด์ | ประเภท |
|---|---|
ฟิลด์object | ประเภทstring |
ฟิลด์model | ประเภทstring |
ฟิลด์data[].index | ประเภทinteger |
ฟิลด์data[].embedding | ประเภทfinite float[] |
ฟิลด์usage | ประเภทobject |
ข้อผิดพลาดและขั้นตอนถัดไป
| การตอบกลับ | เงื่อนไข | ขั้นตอนถัดไป |
|---|---|---|
การตอบกลับ400 · invalid_request_error | เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง | ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่ |
ชื่ออื่น
ชื่ออื่นของโมเดล
Ailoot Ultra sentence-transformers/all-mpnet-base-v2
ชื่อพาธเมธอดอื่น
ใช้พาธเมธอดที่แสดงด้านบน
ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล
FAQ · Sentence Transformers: all-mpnet-base-v2
- มีอินพุตและผลลัพธ์ใดบ้าง?
POST /v1/embeddings·sentence-transformers/all-mpnet-base-v2:text,token_ids→embedding- คำขอใช้ฟิลด์ใดบ้าง?
POST /v1/embeddings·sentence-transformers/all-mpnet-base-v2:model,input,encoding_format,provider- มีข้อจำกัดใดบ้าง?
POST /v1/embeddings·sentence-transformers/all-mpnet-base-v2:input.budget.maximum:512(ไบต์ UTF8);input.min_items:1