Sentence Transformers: all-MiniLM-L6-v2
Sentence Transformers all-MiniLM-L6-v2 biểu diễn câu và đoạn ngắn thành vector 384 chiều cho tìm kiếm ngữ nghĩa, phân cụm và độ tương đồng. Công thức được công bố kết hợp phép gộp trung bình với chuẩn hóa L2 và mặc định 256 đơn vị word piece.
Về mô hình
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
all-MiniLM-L6-v2 là bộ mã hóa câu và đoạn ngắn của Sentence Transformers. Mô hình ánh xạ mỗi văn bản thành vector dense 384 chiều cho truy xuất, phân cụm và độ tương đồng câu. Mô hình được tinh chỉnh từ kiến trúc nền MiniLM-L6-H384-uncased bằng học tương phản trên bộ sưu tập một tỷ cặp câu.
Chuẩn bị bản ghi ngắn gọn, có ý nghĩa
Chọn câu hoặc đoạn nên xuất hiện trong kết quả tìm kiếm. Với bộ sưu tập FAQ, giữ câu hỏi và giải thích ngắn phân biệt chủ đề. Đoạn về đặt lại mật khẩu đã quên nên giữ quy trình đặt lại, thay vì rút thành một từ riêng lẻ như “Account.”
Với bài dài, lập chỉ mục các phần ngắn mạch lạc và giữ vị trí nguồn. Truy xuất phần ứng viên bằng cách so sánh vector truy vấn với các biểu diễn lưu trữ, rồi hiển thị đoạn gốc để người đọc kiểm tra chỉ dẫn thực tế.
Lấy biểu diễn câu
Công thức mã hóa trực tiếp của nhà sản xuất lấy trung bình biểu diễn token với mặt nạ chú ý, loại các vị trí đệm khỏi giá trị trung bình. Sau đó áp dụng chuẩn hóa L2. Những bước đó tạo embedding câu dùng để so sánh; biểu diễn từng token của transformer nền có vai trò khác.
Mỗi đầu ra có 384 thành phần. Dùng cùng checkpoint, phép gộp và chuẩn hóa khi xây dựng bộ sưu tập và mã hóa truy vấn sau. Độ tương đồng cosine có thể so sánh các vector kết quả. Giá trị tương đồng hữu ích để xếp hạng ứng viên dưới thiết lập đó, còn văn bản gốc xác định ứng viên có trả lời câu hỏi không.
Ranh giới độ dài và phiên bản
Mặc định được công bố cắt các đầu vào dài hơn 256 đơn vị word piece. Đơn vị tokenizer này không tương ứng trực tiếp với từ thông thường hoặc ký tự. Giữ các điều kiện quan trọng trong đơn vị được lập chỉ mục và chia quy trình dài theo ranh giới có ý nghĩa trước khi mã hóa.
Chuỗi huấn luyện được giới hạn ở 128 token. Thiết lập huấn luyện đó khác với mặc định 256 đơn vị word piece dùng để mã hóa. Với đoạn dài bất thường hoặc chuyên môn, dùng các ví dụ truy vấn và đoạn đại diện để đánh giá hành vi truy xuất thay vì cho rằng vừa ranh giới đầu vào bảo đảm mọi chi tiết được xử lý ngang nhau.
Phiên bản L6-v2 cụ thể là hồ sơ embedding tiếng Anh. Các phiên bản L12-v2 và paraphrase-MiniLM có định danh mô hình và cấu hình riêng. Cùng tên MiniLM hoặc đầu ra 384 chiều không chứng minh các vector có thể thay thế cho nhau.
Tìm kiếm, tương đồng và nhóm
Để xem xét câu hỏi trùng lặp, truy xuất câu hỏi tương tự và so sánh cách diễn đạt thực tế trước khi gộp bản ghi. “Can I reset my password?” và “Can an administrator reset another user’s password?” liên quan chủ đề gần nhau nhưng khác quyền hạn. Giữ sự phân biệt đó trong văn bản mã hóa và giai đoạn xem xét.
Với phân cụm, dùng embedding làm đầu vào số cho quá trình nhóm, rồi kiểm tra bản ghi đại diện trước khi đặt tên nhóm. Mô hình cung cấp vector thay vì nhãn cụm bằng văn bản hoặc câu trả lời FAQ được sinh ra. Kết quả hữu ích là biểu diễn gọn của đoạn nguồn ngắn vẫn liên kết với bản ghi gốc.
Ailoot Ultra · Biểu diễn nhúng POST /v1/embeddings sentence-transformers/all-minilm-l6-v2
sentence-transformers/all-minilm-l6-v2
sentence-transformers/all-minilm-l6-v2Bắt đầu
Sentence Transformers all-MiniLM-L6-v2 biểu diễn câu và đoạn ngắn thành vector 384 chiều cho tìm kiếm ngữ nghĩa, phân cụm và độ tương đồng. Công thức được công bố kết hợp phép gộp trung bình với chuẩn hóa L2 và mặc định 256 đơn vị word piece.
- Đầu vào được chấp nhận
- Văn bản · token_ids
- Kết quả
- embedding
Có trên Ailoot · đầu vào & phương thức
Ailoot Ultra · Biểu diễn nhúng POST /v1/embeddings
- Đầu vào
text,token_ids- Đầu ra
embedding- Định dạng đầu ra
- json
| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn sentence-transformers/all-minilm-l6-v2 | Mặc định— |
Trườnginput | Loạistring|string[]|integer[]|integer[][] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 Điều kiện: Lô không rỗng và đồng nhất. ID token là số nguyên không âm. Ngân sách đầu vào: Tối đa: 512 · Đơn vị văn bản: byte UTF8 · Đơn vị token: phần tử của mảng token | Mặc định— |
Trườngencoding_format | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn float | Mặc địnhfloat |
Trườngdimensions | Loạiinteger | Yêu cầuKhông hỗ trợ | Giá trị & giới hạn Tối thiểu: 1 | Mặc định— |
Trườnguser | Loạijson_value | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: Nguồn tài liệu cho phép trường siêu dữ liệu JSON này; ý nghĩa chính xác tại hệ thống nguồn phụ thuộc vào từng mô hình. | Mặc định— |
Trườngsession_id | Loạijson_value | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: Nguồn tài liệu cho phép trường siêu dữ liệu JSON này; ý nghĩa chính xác tại hệ thống nguồn phụ thuộc vào từng mô hình. | Mặc định— |
Trườngtrace | Loạijson_value | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: Nguồn tài liệu cho phép trường siêu dữ liệu JSON này; ý nghĩa chính xác tại hệ thống nguồn phụ thuộc vào từng mô hình. | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: provider.options bị từ chối | Mặc định— |
Tổ hợp tư liệu đầu vào
text_to_embedding
Tham số phương thức và vòng đời
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, input |
Tham sốinput_shapes | Hợp đồngstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Tham sốencoding_format | Hợp đồngfloat |
Tham sốdimensions_override | Hợp đồngfalse |
Tham sốmax_input_budget_units | Hợp đồng512 |
Tham sốmultimodal_objects | Hợp đồngfalse |
Tham sốmaterial_types | Hợp đồngtext, token_ids |
Vòng đời: synchronous_json
Giữ lại chỉ mục và số chiều của mọi vector.
Việc mô hình mang tên đa phương thức không có nghĩa là đường dẫn cụ thể này chấp nhận đối tượng ảnh.
Bảng giá
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
- Chế độ nhanh
- Chưa chỉ định Khi chọn chế độ nhanh
- Chế độ Flex
- Chưa chỉ định Khi chọn chế độ flex
- Mức độ suy luận tối đa
- Chưa chỉ định Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa
Mức phí Ailoot
Giá theo cấu hình
| Cấu hình | Biểu mức phí | Phí |
|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Phí Đầu vào · Token đầu vào $0.00001 / 1K token Đầu ra · Token đầu ra $0 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
Ví dụ yêu cầu
Ailoot Ultra · Biểu diễn nhúng
set -eu
: "${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)
Nhận và lưu kết quả
Ailoot Ultra · Biểu diễn nhúng
json
Lưu tất cả kết quả đã hoàn tất
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ lại mọi vector kèm chỉ mục của nó. Số lượng vector phải bằng số lượng đầu vào; số chiều phải nhất quán.
Nếu cần kiểm tra phản hồi gốc
Không có điểm cuối tác vụ embedding nào được bổ sung.
Trường phản hồi
| Trường | Loại |
|---|---|
Trườngobject | Loạistring |
Trườngmodel | Loạistring |
Trườngdata[].index | Loạiinteger |
Trườngdata[].embedding | Loạifinite float[] |
Trườngusage | Loạiobject |
Lỗi và bước tiếp theo
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Bí danh
Bí danh mô hình
Ailoot Ultra sentence-transformers/all-minilm-l6-v2
Bí danh đường dẫn phương thức
Dùng các đường dẫn phương thức hiển thị ở trên.
ID gọi liên quan
FAQ · Sentence Transformers: all-MiniLM-L6-v2
- Có những đầu vào và kết quả nào?
POST /v1/embeddings·sentence-transformers/all-minilm-l6-v2:text,token_ids→embedding- Yêu cầu sử dụng những trường nào?
POST /v1/embeddings·sentence-transformers/all-minilm-l6-v2:model,input,encoding_format,provider- Áp dụng những giới hạn nào?
POST /v1/embeddings·sentence-transformers/all-minilm-l6-v2:input.budget.maximum:512(byte UTF8);input.min_items:1