BAAI: bge-m3

BAAI: bge-m3 هو نموذج تضمين من BAAI، أكاديمية بكين للذكاء الاصطناعي. ينتمي إلى فئة التضمينات، مما يعني أنه مبني لتحويل النص إلى متجهات بدلاً من توليد ردود المحادثة. إذا كان تطبيقك يحتاج إلى نموذج يجيب عن الأسئلة أو يكتب النصوص، فهذا ليس ذلك النوع من النماذج؛ إنه موجود لتمثيل النص رقمياً حتى تتمكن الأنظمة الأخرى من مقارنته والبحث فيه واسترجاعه.

يأخذ النموذج النص كمدخل وحيد له وينتج التضمينات كمخرج وحيد له. وفقاً للمزود، فإنه يرمّز الجمل والفقرات والمستندات الطويلة إلى فضاء متجهي كثيف بأبعاد 1024، بهدف تقديم تضمينات دلالية عالية الجودة. وهو مُحسَّن للاسترجاع متعدد اللغات والبحث الدلالي والتطبيقات ذات السياق الكبير. نافذة السياق هي 8194 رمزاً، والحد الأقصى للمخرج هو 7374، لذا يمكن ترميز مقاطع نصية طويلة نسبياً في طلب واحد بدلاً من تقسيمها إلى العديد من الأجزاء الصغيرة.

تشير هذه القدرات إلى مجموعة واضحة من الاستخدامات العملية. البحث الدلالي هو الأكثر مباشرة: رمّز مستنداتك مرة واحدة، ورمّز استعلام المستخدم وقت الطلب، ثم رتّب المستندات حسب تشابه المتجهات بدلاً من تداخل الكلمات المفتاحية. التوليد المعزز بالاسترجاع هو استخدام آخر، حيث يوفر bge-m3 نصف الاسترجاع من خلال إيجاد المقاطع القريبة دلالياً من سؤال ما، والتي تُمرَّر بعد ذلك إلى نموذج توليدي منفصل. ولأن النموذج متعدد اللغات، يمكن للفهرس نفسه أن يخدم الاستعلامات والمستندات بلغات مختلفة، وهو ما يناسب البحث عبر اللغات وإزالة التكرار وتجميع مجموعات النصوص. تساعد نافذة السياق الطويلة أيضاً عندما تكون قطعة المستند الواحدة كبيرة، لأن عدداً أقل من القطع يعني تشتتاً أقل للمعنى عبر المتجهات.

يمكنك استدعاء النموذج عبر واجهة api14 المتوافقة مع OpenAI باستخدام معرّف النموذج "baai/bge-m3". ولأن الواجهة تتبع تنسيق OpenAI، يمكنك توجيه عميل OpenAI موجود إلى عنوان api14 الأساسي وإرسال نصك إلى نقطة نهاية التضمينات باستخدام ذلك المعرّف، دون إعادة كتابة التكامل الخاص بك. لا يسرد النموذج أي معاملات مدعومة تتجاوز ما تتطلبه نقطة النهاية، لذا أبقِ الطلبات بسيطة: قدّم النص المدخل ومعرّف النموذج، واقرأ المتجهات المُعادة. لا توجد هنا عناصر تحكم في أخذ العينات مثل temperature لضبطها، لأن المخرج هو بيانات تضمين حتمية وليس رموزاً مولّدة.

هناك أمر واحد يجب تذكره وهو النطاق. يقبل bge-m3 النص فقط ويعيد التضمينات فقط، لذا فإن مهام مثل التلخيص أو التصنيف بالتوليد أو الردود الحوارية تحتاج إلى نموذج مختلف إلى جانبه. سياق 8194 رمزاً سخي لأعمال الاسترجاع لكنه يبقى محدوداً، لذا ينبغي تقطيع المستندات الكبيرة جداً قبل ترميزها. ضمن هذه الحدود، يعد خياراً معقولاً عندما تكون مشكلتك في جوهرها تتعلق بتمثيل النص ومقارنته.