Source: https://ailoot.ai/models/vi/sentence-transformers-multi-qa-mpnet-base-dot-v1/
Canonical: https://ailoot.ai/models/vi/sentence-transformers-multi-qa-mpnet-base-dot-v1/
Language: vi

# Sentence Transformers: multi-qa-mpnet-base-dot-v1

[Markdown](https://ailoot.ai/models/vi/sentence-transformers-multi-qa-mpnet-base-dot-v1/index.md) · [JSON](https://ailoot.ai/models/vi/sentence-transformers-multi-qa-mpnet-base-dot-v1/facts.json)

## [Sentence Transformers: multi-qa-mpnet-base-dot-v1](https://ailoot.ai/models/vi/sentence-transformers-multi-qa-mpnet-base-dot-v1/)

Sentence Transformers multi-qa-mpnet-base-dot-v1 mã hóa câu hỏi và đoạn văn thành vector 768 chiều cho tìm kiếm ngữ nghĩa. Mô hình dùng phép gộp CLS và embedding chưa chuẩn hóa, được thiết kế để chấm điểm bằng tích vô hướng, với giới hạn đầu vào 512 đơn vị word piece.

- [**Ailoot Ultra · Biểu diễn nhúng** `POST /v1/embeddings` `sentence-transformers/multi-qa-mpnet-base-dot-v1`](https://ailoot.ai/models/vi/sentence-transformers-multi-qa-mpnet-base-dot-v1/#method-0)

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.

multi-qa-mpnet-base-dot-v1 là mô hình Sentence Transformers được thiết kế để truy xuất đoạn văn cho câu hỏi hoặc truy vấn. Quá trình huấn luyện dùng khoảng 215 triệu cặp hỏi–đáp. Mỗi đầu vào trở thành vector dense 768 chiều; phép gộp CLS và chấm điểm bằng tích vô hướng xác định phiên bản cụ thể này.

#### Chuẩn bị câu hỏi và các đoạn ứng viên

Viết truy vấn thể hiện nhu cầu thông tin và chuẩn bị các mục trong kho thành những đoạn văn đọc được. Ví dụ, câu hỏi về đổi địa chỉ giao hàng có thể được so sánh với các đoạn riêng về đổi địa chỉ, hủy đơn và theo dõi giao hàng. Giữ các điều kiện liên quan trong đoạn đổi địa chỉ, gồm đơn hàng đã được gửi đi hay chưa.

Mã hóa truy vấn và các đoạn bằng cùng mô hình này. Ví dụ được công bố thực hiện trực tiếp, không có tiền tố query/document, rồi sắp xếp các đoạn theo điểm tích vô hướng. Giữ mỗi vector liên kết với đoạn gốc và định danh tài liệu để kết quả xếp hạng thể hiện tài liệu thực sự được lập chỉ mục.

#### Phép gộp CLS và phiên bản dùng tích vô hướng

Công thức tham chiếu của mô hình lấy biểu diễn token đầu tiên, gọi là phép gộp CLS. Bảng kỹ thuật nêu rõ các embedding không được chuẩn hóa và liệt kê tích vô hướng là hàm chấm điểm phù hợp. Giữ công thức đó khi thiết lập bộ sưu tập và phía truy vấn.

Chuẩn hóa L2 những vector này làm thay đổi hình học của phép chấm điểm. Hồ sơ all-mpnet-base-v2 đã chuẩn hóa dùng công thức khác và là checkpoint riêng, dù cùng họ MPNet và đầu ra 768 thành phần. Giữ phiên bản cụ thể và hàm so sánh cùng bộ sưu tập lưu trữ thay vì chọn chỉ dựa trên độ dài vector.

#### Giới hạn độ dài và đoạn dài hơn

Giới hạn đầu vào được nêu là 512 đơn vị word piece; văn bản dài hơn bị cắt. Nhà sản xuất còn lưu ý đầu vào huấn luyện chỉ dài đến 250 đơn vị word piece và văn bản dài hơn có thể hoạt động kém hơn. Vì vậy, độ dài tokenizer chấp nhận và lưu ý về độ dài huấn luyện mô tả hai ranh giới thực tế khác nhau.

Với bài trợ giúp lớn, chuẩn bị những phần ngắn trả lời câu hỏi cụ thể. Giữ tiêu đề khi nó xác định chủ đề và giữ quy tắc cùng ngoại lệ cần để hiểu đúng. Đầu vào toàn trang có thể mất nội dung phía sau do bị cắt, còn mảnh quá nhỏ có thể mất điều kiện làm nó hữu ích.

#### Dùng thứ hạng trong truy xuất và RAG

Các vector dense hỗ trợ giai đoạn truy xuất đầu tiên. Trả về các đoạn ứng viên có điểm cao nhất cùng tham chiếu nguồn, rồi kiểm tra chúng có giải quyết câu hỏi thực tế không. Trong quy trình RAG, cung cấp những đoạn đó cho giai đoạn viết câu trả lời làm tài liệu nguồn; bản thân truy xuất không soạn câu trả lời.

Dùng câu hỏi đại diện cùng các đoạn liên quan đã biết để chọn số kết quả và đánh giá thứ hạng. Bao gồm ví dụ có từ vựng giống nhưng ý định khác, như sửa địa chỉ so với xem địa chỉ hiện tại. Diễn giải điểm tương đối giữa các ứng viên dưới cùng mô hình và thiết lập chấm điểm, thay vì coi đó là xác suất đúng đã hiệu chỉnh.

Đầu ra hữu ích của checkpoint này là không gian embedding câu hỏi và đoạn văn cho tìm kiếm ngữ nghĩa. Vector chưa chuẩn hóa, phép gộp CLS, điểm tích vô hướng và lưu ý đầu vào dài được công bố là các chi tiết cần giữ khi chuẩn bị và sử dụng kết quả.

**Ailoot Ultra · Biểu diễn nhúng** `POST /v1/embeddings` `sentence-transformers/multi-qa-mpnet-base-dot-v1`

[`sentence-transformers/multi-qa-mpnet-base-dot-v1`](https://ailoot.ai/models/vi/#m=sentence-transformers%2Fmulti-qa-mpnet-base-dot-v1&route=Ultra&caller=sentence-transformers%2Fmulti-qa-mpnet-base-dot-v1&fmt=embeddings)

Sentence Transformers /`sentence-transformers/multi-qa-mpnet-base-dot-v1`

### Bắt đầu

Sentence Transformers multi-qa-mpnet-base-dot-v1 mã hóa câu hỏi và đoạn văn thành vector 768 chiều cho tìm kiếm ngữ nghĩa. Mô hình dùng phép gộp CLS và embedding chưa chuẩn hóa, được thiết kế để chấm điểm bằng tích vô hướng, với giới hạn đầu vào 512 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 |
| --- | --- | --- | --- | --- |
| Trường`model` | Loại`string` | Yêu cầuBắt buộc | Giá trị & giới hạn sentence-transformers/multi-qa-mpnet-base-dot-v1 | Mặc định— |
| Trường`input` | Loại`string\|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— |
| Trường`encoding_format` | Loại`string` | Yêu cầuKhông bắt buộc | Giá trị & giới hạn float | Mặc địnhfloat |
| Trường`dimensions` | Loại`integer` | Yêu cầuKhông hỗ trợ | Giá trị & giới hạn Tối thiểu: 1 | Mặc định— |
| Trường`user` | Loại`json_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— |
| Trường`session_id` | Loại`json_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— |
| Trường`trace` | Loại`json_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— |
| Trường`provider` | Loại`object` | 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 số`content_type` | Hợp đồngapplication/json |
| Tham số`required` | Hợp đồngmodel, input |
| Tham số`input_shapes` | Hợp đồngstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Tham số`encoding_format` | Hợp đồngfloat |
| Tham số`dimensions_override` | Hợp đồngfalse |
| Tham số`max_input_budget_units` | Hợp đồng512 |
| Tham số`multimodal_objects` | Hợp đồngfalse |
| Tham số`material_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 →](https://ailoot.ai/docs/vi/billing/reserve/)

### Ví dụ yêu cầu

#### Ailoot Ultra · Biểu diễn nhúng

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/multi-qa-mpnet-base-dot-v1", "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/multi-qa-mpnet-base-dot-v1',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 |
| --- | --- |
| Trường`object` | Loạistring |
| Trường`model` | Loạistring |
| Trường`data[].index` | Loạiinteger |
| Trường`data[].embedding` | Loạifinite float\[\] |
| Trường`usage` | 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/multi-qa-mpnet-base-dot-v1`](https://ailoot.ai/models/vi/#m=sentence-transformers%2Fmulti-qa-mpnet-base-dot-v1&route=Ultra&caller=sentence-transformers%2Fmulti-qa-mpnet-base-dot-v1&fmt=embeddings)

#### Bí danh đường dẫn phương thức

Dùng các đường dẫn phương thức hiển thị ở trên.

#### ID gọi liên quan

[`sentence-transformers/multi-qa-mpnet-base-dot-v1`](https://ailoot.ai/models/vi/#m=sentence-transformers%2Fmulti-qa-mpnet-base-dot-v1&route=Ultra&caller=sentence-transformers%2Fmulti-qa-mpnet-base-dot-v1&fmt=embeddings)

FAQ · Sentence Transformers: multi-qa-mpnet-base-dot-v1

Có những đầu vào và kết quả nào?

`POST /v1/embeddings` · `sentence-transformers/multi-qa-mpnet-base-dot-v1`: `text`, `token_ids` → `embedding`

Yêu cầu sử dụng những trường nào?

`POST /v1/embeddings` · `sentence-transformers/multi-qa-mpnet-base-dot-v1`: `model`, `input`, `encoding_format`, `provider`

Áp dụng những giới hạn nào?

`POST /v1/embeddings` · `sentence-transformers/multi-qa-mpnet-base-dot-v1`: `input.budget.maximum`: `512` (byte UTF8); `input.min_items`: `1`

Kết nối Ailoot với Claude Code, OpenCode, Hermes hoặc ứng dụng của bạn.

## Công ty và danh mục dự án của công ty

Công ty và danh mục dự án của công ty: hàng triệu khách hàng; doanh số hàng tỷ mỗi tháng.

## Mua token với giá ưu đãi.

Ưu đãi thuê bao cho nhu cầu thường xuyên. Mã khuyến mãi giảm đến 50% khi mua token.

Thuê bao

Chọn gói ưu đãi cho các yêu cầu thường xuyên của bạn.

Mã giảm đến 50%

Nhập mã khi mua. Giá được tính lại theo chương trình đang áp dụng.

Chi phí trong lịch sử

Mô hình, token và số tiền được lưu cho mỗi yêu cầu.

[Chọn gói thuê bao](https://ailoot.ai/docs/vi/billing/subscriptions/) · [Xem giá mô hình](https://ailoot.ai/models/vi/)

## Kết nối API vào sản phẩm bạn đang bán.

SaaS, ứng dụng và bot — theo đề nghị giao kết chính thức và thỏa thuận cấp phép Ailoot. Muốn bán lại, hãy yêu cầu giấy phép bán lại.

Ứng dụng thương mại

Tích hợp tạo văn bản, ảnh, video và âm thanh vào các tính năng trả phí của dịch vụ.

Giấy phép bán lại

Gửi mô tả dự án và cách cung cấp quyền truy cập. Yêu cầu điều khoản sử dụng và bán lại bằng văn bản.

Tài liệu trên website

Đề nghị giao kết, thỏa thuận cấp phép và chính sách xử lý dữ liệu có sẵn trước khi kết nối.

[Yêu cầu giấy phép bán lại](mailto:support@ailoot.ai) · [Đề nghị giao kết và thỏa thuận cấp phép](https://ailoot.ai/legal/offer?lang=vi)

## Ailoot · Công ty và danh mục dự án của công ty





Ailoot dựa trên kinh nghiệm vận hành tích lũy, cơ sở khách hàng lớn, dịch vụ ổn định và việc kiểm soát KPI liên tục.





Công ty và danh mục dự án của công ty: hàng triệu khách hàng; doanh số hàng tỷ mỗi tháng.





Ailoot áp dụng kinh nghiệm vận hành này để cung cấp quyền truy cập API vào các tính năng AI trong sản phẩm của khách hàng, tác tử, ứng dụng và quy trình tự động hóa.