Описание
ej — это модель принятия решений, которая помещается в компактный файл размером 11 МБ и предназначена для обработки маршрутизации, вопросов «да/нет» и приоритетных вопросов о тексте. Она эффективно работает на CPU, исключая необходимость в API или GPU, что делает её идеальной для оффлайн-использования. Модель предоставляет ответы на основе вероятности для каждого варианта, позволяя пользователям устанавливать пороги в зависимости от их конкретных потребностей.
Читать далее
Модель была дообучена на основе intfloat/e5-small-v2 и обучена на 9,719 записях, включая рабочие процессы Typed Decisions, Banking77, CLINC150 и наборы данных GoEmotions. Она особенно сильна в рабочих процессах, на которых была обучена, достигая точности .721, и хорошо справляется с поддержкой заявок в новых стилях написания с точностью .683.
ej разработан для обеспечения безопасности и эффективности, с проверками SHA-256, которые гарантируют целостность файла модели. Он работает со скоростью примерно 214 мс на запись на одном потоке CPU, с пиковым использованием памяти около 558 МБ. Пользователи также могут обучать свои собственные модели, используя предоставленные инструменты, что позволяет настраивать и адаптировать их к конкретным задачам.
Модель лицензирована под Apache-2.0 для кода и CC BY-SA 4.0 для весов, что обеспечивает открытый доступ и возможность делиться модификациями на тех же условиях. ej подходит для команд, которым необходимо принимать повторяющиеся решения о тексте, особенно когда они работают на своих собственных серверах или оффлайн.
- КатегорияИИ-модели и LLM
- Модель ценообразованияОткрытый код
- РазвёртываниеНа своём сервере
- ПлатформыWindows, macOS, Linux
Основные функции ej
Компактный файл модели размером 11 МБ
Работает на CPU, оффлайн
Принятие решений на основе вероятности
Дообучена на основе intfloat/e5-small-v2
Обучена на разнообразных наборах данных
Открытые веса и код
Лицензии Apache-2.0 и CC BY-SA 4.0
Проверенный файл модели SHA-256
Как использовать ej?
Установите: pip install ejai
Загрузите: Инициализируйте модель на вашем CPU
Запрос: Передайте текстовые запросы для принятия решений
Адаптируйте: Обучите на своих данных, если необходимо
Варианты использования ej
- Маршрутизация текста
- Установка приоритетов
- Решения «да/нет»
- Оффлайн-обработка
- Обучение пользовательской модели
