描述
ej 是一个适合于 11 MB 紧凑文件的决策模型,旨在处理关于文本的路由、是/否和优先级问题。它在 CPU 上高效运行,消除了对 API 或 GPU 的需求,使其非常适合离线使用。该模型为每个选项提供基于概率的答案,允许用户根据特定需求设置阈值。
阅读更多
该模型经过从 intfloat/e5-small-v2 的微调,并在 9,719 条记录上进行训练,包括 Typed Decisions 工作流、Banking77、CLINC150 和 GoEmotions 数据集。它在训练的工作流中表现特别强劲,准确率达到 0.721,并在新写作风格的支持票据上表现良好,准确率为 0.683。
ej 旨在安全高效,使用 SHA-256 校验确保模型文件的完整性。它在单个 CPU 线程上以约 214 毫秒每条记录的速度运行,峰值内存使用约为 558 MB。用户还可以使用提供的工具训练自己的模型,从而实现定制和适应特定任务。
该模型的代码在 Apache-2.0 许可下发布,权重在 CC BY-SA 4.0 许可下发布,确保开放访问并能够在相同许可下共享修改。ej 适合需要对文本进行重复决策的团队,特别是在自己的服务器或离线环境中操作时。
- 类别AI 模型与大语言模型
- 定价模式开源
- 部署自托管
- 平台Windows, macOS, Linux
ej的核心功能
紧凑的 11 MB 模型文件
在 CPU 上离线运行
基于概率的决策制定
从 intfloat/e5-small-v2 微调而来
在多样化数据集上训练
开放的权重和代码
Apache-2.0 和 CC BY-SA 4.0 许可
经过 SHA-256 校验的模型文件
如何使用 ej?
安装:pip install ejai
加载:在您的 CPU 上初始化模型
查询:传递文本查询以进行决策
适应:如有需要,使用您自己的数据进行训练
ej的使用案例
- 文本路由
- 优先级设置
- 是/否决策
- 离线处理
- 自定义模型训练







