説明
ejは、テキストに関するルーティング、はい/いいえ、優先順位の質問を処理するために設計された、コンパクトな11 MBのファイルに収まる意思決定モデルです。CPU上で効率的に動作し、APIやGPUを必要としないため、オフラインでの使用に最適です。このモデルは、各オプションに対して確率に基づく回答を提供し、ユーザーが特定のニーズに基づいて閾値を設定できるようにします。
続きを読む
このモデルは、intfloat/e5-small-v2からファインチューニングされ、Typed Decisionsワークフロー、Banking77、CLINC150、GoEmotionsデータセットを含む9,719件のレコードでトレーニングされています。特にトレーニングされたワークフローにおいて強力で、精度は0.721を達成し、新しいライティングスタイルのサポートチケットに対しても精度0.683で良好に機能します。
ejは、安全で効率的に設計されており、SHA-256チェックによりモデルファイルの整合性が保証されています。単一のCPUスレッドで約214 msの速度でレコードを処理し、ピークメモリ使用量は約558 MBです。ユーザーは提供されたツールを使用して独自のモデルをトレーニングすることもでき、特定のタスクに合わせたカスタマイズや適応が可能です。
このモデルは、コードに対してApache-2.0、重み付けに対してCC BY-SA 4.0のライセンスが付与されており、オープンアクセスと同じライセンスの下での修正の共有が可能です。ejは、特に自社サーバーやオフラインで運用する際に、テキストに関する反復的な意思決定を行う必要があるチームに適しています。
- カテゴリーAIモデルとLLM
- 料金モデルオープンソース
- デプロイセルフホスト
- プラットフォームWindows, macOS, Linux
ejの主要機能
コンパクトな11 MBのモデルファイル
CPU上で動作し、オフラインで使用可能
確率に基づく意思決定
intfloat/e5-small-v2からファインチューニング
多様なデータセットでトレーニング
オープンな重みとコード
Apache-2.0およびCC BY-SA 4.0ライセンス
SHA-256チェック済みのモデルファイル
ejの使い方は?
インストール: pip install ejai
ロード: CPU上でモデルを初期化
クエリ: 意思決定のためにテキストクエリを渡す
適応: 必要に応じて独自のデータでトレーニング
ejの使用例
- テキストルーティング
- 優先順位設定
- はい/いいえの意思決定
- オフライン処理
- カスタムモデルトレーニング







