Embedding Modelstogether-ai

معرفی و مستندات مدل هوش مصنوعی m2-bert-80m-retrieval

مستندات مدل m2-bert-80m-retrieval ارائه شده توسط ای ای کار (AI-KAR)

معرفی و بررسی فنی

⚡ وضعیت پشتیبانی از زبان فارسی

این مدل از زبان فارسی به صورت متوسط پشتیبانی می‌کند. برای دریافت بهترین نتیجه، توصیه می‌شود از متون فارسی استاندارد و بدون غلط املایی استفاده کنید.

مدل m2-bert-80m-retrieval یک مدل بازیابی اطلاعات است که توسط together-ai توسعه داده شده است. این مدل با استفاده از تکنیک‌های پیشرفته یادگیری ماشین، در جستجو و بازیابی اطلاعات مرتبط از مجموعه‌های داده بزرگ بسیار عالی عمل می‌کند. طراحی 8k پارامتری آن، تعادلی بین عملکرد و کارایی ایجاد می‌کند و آن را برای برنامه‌هایی که نیاز به دسترسی و تجزیه و تحلیل داده با سرعت بالا دارند، مناسب می‌سازد. این مدل به طور خاص برای یافتن اطلاعات مرتبط با یک پرس و جو معین در یک مجموعه داده بزرگ طراحی شده است. این کار با تبدیل پرس و جو و اسناد موجود در مجموعه داده به بردارهای عددی (embeddings) انجام می‌شود و سپس با مقایسه این بردارها، اسنادی که بیشترین شباهت را به پرس و جو دارند، شناسایی و بازیابی می‌شوند. این فرایند به طور قابل توجهی سرعت و دقت جستجو را افزایش می‌دهد. مدل m2-bert-80m-retrieval می‌تواند در طیف گسترده‌ای از کاربردها مورد استفاده قرار گیرد، از جمله: موتورهای جستجو، سیستم‌های توصیه‌گر، پاسخ به سوالات، خلاصه‌سازی متن، و تشخیص ناهنجاری. این مدل به دلیل توانایی درک معنایی متن، می‌تواند نتایج جستجوی دقیق‌تری را نسبت به روش‌های سنتی مبتنی بر کلمات کلیدی ارائه دهد. همچنین، به دلیل کارایی بالا، می‌تواند در سیستم‌هایی با حجم داده بسیار زیاد و نیاز به پاسخگویی سریع مورد استفاده قرار گیرد. برای استفاده از این مدل، ابتدا باید یک کلید API از together-ai دریافت کنید. سپس می‌توانید از طریق API ارائه شده، متن مورد نظر خود را به مدل ارسال کرده و بردار embedding مربوط به آن را دریافت کنید. این بردار را می‌توانید برای مقایسه با بردارهای دیگر و یافتن اطلاعات مرتبط استفاده کنید. مدل m2-bert-80m-retrieval یک ابزار قدرتمند برای بازیابی اطلاعات است که می‌تواند به بهبود عملکرد بسیاری از برنامه‌های کاربردی کمک کند. این مدل به طور مداوم در حال توسعه و بهبود است و در آینده قابلیت‌های جدیدی به آن اضافه خواهد شد.

مشخصات فنی (API References)

پارامتر	نوع	توضیحات و مقادیر
model	stringRequired	مدل مورد استفاده برای تولید embedding. مقدار آن باید `togethercomputer/m2-bert-80M-32k-retrieval` باشد. مقادیر مجاز (کلیک برای کپی):
input	string \| string[]Required	متن ورودی برای تولید embedding. می‌تواند یک رشته یا آرایه‌ای از رشته‌ها (توکن‌ها) باشد.

نمونه کدهای درخواست

نکته مهم برای توسعه‌دهندگان:

برای احراز هویت، حتما کلید API خود را جایگزین YOUR_API_KEY کنید. هدر Authorization الزامی است.

import requests
import json

url = "https://api.ai-kar.com/v1/embeddings"
headers = {
    "Authorization": "Bearer YOUR_SECRET_TOKEN",
    "Content-Type": "application/json"
}
data = {
    "model": "togethercomputer/m2-bert-80M-32k-retrieval",
    "input": "text"
}

response = requests.post(url, headers=headers, data=json.dumps(data))

print(response.status_code)
print(response.text)

نمونه پاسخ موفق (JSON)

RESPONSE (200 OK)

{}