설명
ej는 텍스트에 대한 라우팅, 예/아니오 및 우선 순위 질문을 처리하도록 설계된 11MB의 컴팩트한 파일에 적합한 결정 모델입니다. CPU에서 효율적으로 작동하며, API나 GPU가 필요 없어 오프라인 사용에 이상적입니다. 이 모델은 각 옵션에 대해 확률 기반의 답변을 제공하여 사용자가 특정 요구에 따라 임계값을 설정할 수 있도록 합니다.
더 읽기
이 모델은 intfloat/e5-small-v2에서 미세 조정되었으며, Typed Decisions 워크플로우, Banking77, CLINC150 및 GoEmotions 데이터 세트를 포함하여 9,719개의 레코드로 훈련되었습니다. 훈련된 워크플로우에서 특히 강력하며, 정확도는 .721에 달하고, 새로운 작성 스타일의 지원 티켓에서도 .683의 정확도로 잘 수행됩니다.
ej는 안전하고 효율적으로 설계되었으며, SHA-256 체크를 통해 모델 파일의 무결성을 보장합니다. 단일 CPU 스레드에서 레코드당 약 214ms의 속도로 작동하며, 최대 메모리 사용량은 약 558MB입니다. 사용자는 제공된 도구를 사용하여 자신의 모델을 훈련할 수 있어 특정 작업에 맞게 사용자화하고 적응할 수 있습니다.
이 모델은 코드에 대해 Apache-2.0 라이센스가 부여되어 있으며, 가중치에 대해서는 CC BY-SA 4.0 라이센스가 부여되어 있어 개방적인 접근과 동일한 라이센스 하에 수정 사항을 공유할 수 있습니다. ej는 텍스트에 대한 반복적인 결정을 내려야 하는 팀에 적합하며, 특히 자체 서버나 오프라인에서 운영할 때 유용합니다.
- 카테고리AI 모델 및 LLM
- 요금제오픈소스
- 배포셀프 호스팅
- 플랫폼Windows, macOS, Linux
ej의 핵심 기능
컴팩트한 11MB 모델 파일
CPU에서 오프라인으로 실행
확률 기반의 의사 결정
intfloat/e5-small-v2에서 미세 조정됨
다양한 데이터 세트로 훈련됨
오픈 가중치 및 코드
Apache-2.0 및 CC BY-SA 4.0 라이센스
SHA-256 체크된 모델 파일
ej 사용 방법은?
설치: pip install ejai
로드: CPU에서 모델 초기화
쿼리: 의사 결정을 위한 텍스트 쿼리 전달
적응: 필요 시 자신의 데이터로 훈련
ej의 사용 사례
- 텍스트 라우팅
- 우선 순위 설정
- 예/아니오 결정
- 오프라인 처리
- 맞춤형 모델 훈련
