Intfloat: Multilingual-E5-Large

Intfloat: Multilingual-E5-Large هو نموذج تضمين من Intfloat، مُدرج على api14 ضمن فئة التضمينات. يأخذ النص كمدخل ويعيد التضمينات كمخرج، لذا فهو ليس نموذج محادثة أو توليد نص. الغرض منه تحويل اللغة إلى متجهات يمكنك تخزينها ومقارنتها والبحث بها. يصفه المزوّد بأنه يرمّز الجمل والفقرات والمستندات عبر أكثر من 90 لغة إلى فضاء متجهي كثيف بأبعاد 1024، مع تضمينات دلالية مضبوطة للاسترجاع متعدد اللغات والتشابه بين اللغات.

نافذة السياق هي 512 رمزًا والحد الأقصى للمخرج هو 460. ولأن المدخل نص والمخرج متجه وليس كلمات مولّدة، فلا يوجد سلوك أخذ عينات يمكن ضبطه: النموذج لا يقبل معاملات مدعومة، لذا تحمل الطلبات مدخلك ولا شيء غير ذلك من إعدادات التوليد. يعني حد 512 رمزًا أن كل استدعاء يجب أن يقتصر على جملة أو فقرة قصيرة أو جزء بحجم مشابه، بدلًا من مستند طويل يُمرَّر كاملًا.

تتبع الاستخدامات العملية هذا الشكل. الاسترجاع متعدد اللغات هو الاستخدام الرئيسي: فهرسة المستندات بلغة واحدة أو عدة لغات والبحث فيها باستعلامات بلغة أخرى. يتيح التشابه بين اللغات مقارنة أو تجميع نص مكتوب بلغات مختلفة في الفضاء المتجهي نفسه. تشمل الأعمال ذات الصلة البحث الدلالي عبر مجموعة نصوص مختلطة اللغات، وإزالة التكرار للمقاطع شبه المتطابقة، والتوجيه أو التصنيف بناءً على مدى قرب قطعة نص من أمثلة مرجعية، وبناء طبقات استرجاع تغذّي نموذج توليد.

تستدعيه عبر واجهة api14 المتوافقة مع OpenAI باستخدام معرّف النموذج "intfloat/multilingual-e5-large". ولأن نقطة النهاية تتبع شكل تضمينات OpenAI، يجب أن تعمل مكتبات العملاء والتعليمات البرمجية الموجودة التي تشير بالفعل إلى عنوان أساسي متوافق مع OpenAI بتغيير معرّف النموذج فقط. أرسل نصك كمدخل واقرأ المتجه من الاستجابة. لا تُدعم أي معاملات طلب إضافية، لذا أبقِ الطلب بسيطًا ودع النموذج يعيد التضمين.

سياق 512 رمزًا هو القيد الرئيسي الذي يجب التخطيط حوله. تحتاج المستندات الطويلة إلى التقسيم إلى أجزاء قبل التضمين، وأي خط معالجة يفترض نافذة أكبر، أو يتوقع نصًا مولّدًا في المقابل، سيحتاج إلى نموذج مختلف. إذا كانت مهمتك التوليد أو التلخيص أو المحادثة بدلًا من التمثيل، فإن نموذج instruct أو chat على api14 هو الخيار الأنسب؛ هذا النموذج مخصص لتحويل النص إلى متجهات.