Funktioner för artificiell intelligens
Med funktioner för artificiell intelligens kan du arbeta med stora språkmodeller (LLM, large language model) och Core ML-modeller. För LLM hämtar och konverterar funktionerna inbäddningsvektorer, beräknar cosinuslikhet och variabelantal och ger information om tabellschema. För Core ML-modeller returnerar de återstående funktionerna information om och utför utvärderingen av en modell.
| Funktion | Ändamål |
|---|---|
|
Lägger till två inbäddningsvektorer och returnerar resultat som en normaliserad vektor. |
|
|
Returnerar ett JSON-objekt som innehåller resultatet av en Core ML-modellutvärdering. |
|
|
Returnerar likheten mellan två inbäddningsvektorer som ett tal mellan -1 (motsatta) och 1 (liknande). |
|
|
Skickar indata till en inbäddningsmodell och returnerar en vektorrepresentation som containerdata. |
|
|
Konverterar en inbäddningsvektor från textformat till binära containerdata. |
|
|
Konverterar en inbäddningsvektor från binära containerdata till textformat. |
|
|
Returnerar en lista över fälten i en layout som JSON-data. |
|
|
Returnerar metadata i JSON-format om en namngiven modell som för närvarande är inläst. |
|
|
Returnerar information om angiven RAG-plats, eller om alla RAG-platser ifall plats-ID inte anges. |
|
|
Returnerar tabellinformation i DDL-format (Data Definition Language) för en lista över tabellförekomster som angetts som JSON-matris. |
|
|
Returnerar antal token för den angivna texten. Används endast som vägledning. Faktiskt antal som används av modellerna kan variera. |
|
|
Normaliserar en inbäddningsvektor. Om parametern dimension anges minskar den antalet vektordimensioner att använda före normaliseringen. |
|
|
Returnerar det förutsagda värdet från en tränad regressionsmodell för angiven textinbäddningsvektor. |
|
|
Subtraherar inbäddningsvektor v2 från v1 och returnerar resultatet som en normaliserad vektor. |