Fine-tuning automatico
Dicci semplicemente in quale dominio desideri che i tuoi embeddings eccellano e noi forniremo automaticamente un modello di embedding pronto all'uso e ottimizzato per quel dominio.
Che cos'è il fine-tuning automatico?
Esistono tre modi per specificare le tue esigenze: un'istruzione generale, un URL o una descrizione del documento di query. Scegline uno.
public
Oppure l'URL della pagina web
Fare riferimento al contenuto di un URL per la messa a punto.
keyboard_arrow_down
notes
Oppure istruzioni generali
Fornire una descrizione dettagliata di come verranno utilizzati gli embeddings ottimizzati.
keyboard_arrow_down
Seleziona un modello di embedding di base
Il fine-tuning consente di prendere un modello pre-addestrato e adattarlo a un'attività o dominio specifico addestrandolo su un nuovo set di dati. In pratica, trovare dati di addestramento efficaci non è semplice per molti utenti. Una formazione efficace richiede molto più che il semplice inserimento di PDF grezzi e HTML nel modello; ed è difficile farlo bene. La regolazione fine automatica risolve questo problema generando automaticamente dati di addestramento efficaci utilizzando una pipeline di agenti LLM avanzata; e mettere a punto il modello all'interno di un flusso di lavoro ML. Puoi pensarlo come una combinazione di generazione di dati sintetici e AutoML, quindi tutto ciò che devi fare è descrivere il tuo dominio di destinazione in linguaggio naturale e lasciare che il nostro sistema faccia il resto.
La regolazione fine automatica mantiene la promessa auto-magica di fornire embeddings ottimizzati per qualsiasi dominio tu voglia. Ma funziona veramente? Questo è un dubbio abbastanza ragionevole. Lo abbiamo testato su una varietà di domini e modelli base per scoprirlo. Dai un'occhiata ai risultati selezionati con la ciliegia e con il limone qui sotto.
Modello base per la messa a punto
jinaai/jina-embeddings-v2-base-enMedia miglioramento
arrow_upward 2%
description Istruzioni sul dominio
speed Prestazioni sul set di validazione sintetica prima e dopo la messa a punto
NDCG
0.505 arrow_forward 0.532 arrow_upward 5%
MAP
0.352 arrow_forward 0.389 arrow_upward 10%
MRR
0.352 arrow_forward 0.389 arrow_upward 10%
speed Prestazioni sul test impostato prima e dopo la messa a punto
check
Testato su 50 campioni casuali da tollefj/norwegian-nli-triplets
NDCG
0.852 arrow_forward 0.867 arrow_upward 2%
MAP
0.800 arrow_forward 0.820 arrow_upward 2%
MRR
0.800 arrow_forward 0.820 arrow_upward 2%
data_usage Dati sintetici generati
Totale
4648
Addestramento
4480
Validazione
168
Modello base per la messa a punto
jinaai/jina-embeddings-v2-base-enMedia miglioramento
arrow_upward 6%
description Istruzioni sul dominio
speed Prestazioni sul set di validazione sintetica prima e dopo la messa a punto
NDCG
0.672 arrow_forward 0.755 arrow_upward 12%
MAP
0.567 arrow_forward 0.675 arrow_upward 19%
MRR
0.567 arrow_forward 0.675 arrow_upward 19%
speed Prestazioni sul test impostato prima e dopo la messa a punto
check
Testato su 50 campioni casuali da mteb/askubuntudupquestions-reranking
NDCG
0.698 arrow_forward 0.722 arrow_upward 3%
MAP
0.515 arrow_forward 0.549 arrow_upward 6%
MRR
0.666 arrow_forward 0.712 arrow_upward 7%
data_usage Dati sintetici generati
Totale
616
Addestramento
448
Validazione
168
Modello base per la messa a punto
jinaai/jina-embeddings-v2-base-enMedia miglioramento
arrow_upward 9%
description Istruzioni sul dominio
speed Prestazioni sul set di validazione sintetica prima e dopo la messa a punto
NDCG
0.727 arrow_forward 0.861 arrow_upward 18%
MAP
0.640 arrow_forward 0.814 arrow_upward 27%
MRR
0.640 arrow_forward 0.814 arrow_upward 27%
speed Prestazioni sul test impostato prima e dopo la messa a punto
check
Testato su 50 campioni casuali da mteb/scidocs-reranking
NDCG
0.773 arrow_forward 0.822 arrow_upward 6%
MAP
0.575 arrow_forward 0.651 arrow_upward 13%
MRR
0.823 arrow_forward 0.884 arrow_upward 7%
data_usage Dati sintetici generati
Totale
616
Addestramento
448
Validazione
168
Modello base per la messa a punto
jinaai/jina-embeddings-v2-base-zhMedia miglioramento
arrow_upward 1%
description Istruzioni sul dominio
speed Prestazioni sul set di validazione sintetica prima e dopo la messa a punto
NDCG
0.718 arrow_forward 0.785 arrow_upward 9%
MAP
0.629 arrow_forward 0.717 arrow_upward 14%
MRR
0.629 arrow_forward 0.717 arrow_upward 14%
speed Prestazioni sul test impostato prima e dopo la messa a punto
check
Testato su 50 campioni casuali da C-MTEB/CMedQAv2-reranking
NDCG
0.938 arrow_forward 0.948 arrow_upward 1%
MAP
0.912 arrow_forward 0.926 arrow_upward 2%
MRR
0.920 arrow_forward 0.933 arrow_upward 1%
data_usage Dati sintetici generati
Totale
616
Addestramento
448
Validazione
168
Modello base per la messa a punto
jinaai/jina-embeddings-v2-base-enMedia miglioramento
arrow_upward 6%
description Istruzioni sul dominio
speed Prestazioni sul set di validazione sintetica prima e dopo la messa a punto
NDCG
0.543 arrow_forward 0.579 arrow_upward 7%
MAP
0.402 arrow_forward 0.452 arrow_upward 12%
MRR
0.402 arrow_forward 0.452 arrow_upward 12%
speed Prestazioni sul test impostato prima e dopo la messa a punto
check
Testato su 50 campioni casuali da nc33/triplet_sbert_law2 (machine-translated to dutch)
NDCG
0.904 arrow_forward 0.948 arrow_upward 5%
MAP
0.870 arrow_forward 0.930 arrow_upward 7%
MRR
0.870 arrow_forward 0.930 arrow_upward 7%
data_usage Dati sintetici generati
Totale
9128
Addestramento
8960
Validazione
168
Modello base per la messa a punto
jinaai/jina-embeddings-v2-base-codeMedia miglioramento
arrow_downward -4%
description Istruzioni sul dominio
speed Prestazioni sul set di validazione sintetica prima e dopo la messa a punto
NDCG
0.671 arrow_forward 0.640 arrow_downward -5%
MAP
0.569 arrow_forward 0.525 arrow_downward -8%
MRR
0.569 arrow_forward 0.525 arrow_downward -8%
speed Prestazioni sul test impostato prima e dopo la messa a punto
check
Testato su 50 campioni casuali da mteb/stackoverflowdupquestions-reranking
NDCG
0.640 arrow_forward 0.621 arrow_downward -3%
MAP
0.530 arrow_forward 0.505 arrow_downward -5%
MRR
0.555 arrow_forward 0.532 arrow_downward -4%
data_usage Dati sintetici generati
Totale
616
Addestramento
448
Validazione
168
Modello base per la messa a punto
jinaai/jina-embeddings-v2-base-codeMedia miglioramento
arrow_downward -4%
description Istruzioni sul dominio
speed Prestazioni sul set di validazione sintetica prima e dopo la messa a punto
NDCG
0.632 arrow_forward 0.711 arrow_upward 13%
MAP
0.517 arrow_forward 0.622 arrow_upward 20%
MRR
0.517 arrow_forward 0.622 arrow_upward 20%
speed Prestazioni sul test impostato prima e dopo la messa a punto
check
Testato su 50 campioni casuali da mteb/stackoverflowdupquestions-reranking
NDCG
0.640 arrow_forward 0.619 arrow_downward -3%
MAP
0.530 arrow_forward 0.504 arrow_downward -5%
MRR
0.555 arrow_forward 0.525 arrow_downward -5%
data_usage Dati sintetici generati
Totale
616
Addestramento
448
Validazione
168
Modello base per la messa a punto
jinaai/jina-embeddings-v2-base-enMedia miglioramento
arrow_upward 1%
description Istruzioni sul dominio
speed Prestazioni sul set di validazione sintetica prima e dopo la messa a punto
NDCG
0.646 arrow_forward 0.729 arrow_upward 13%
MAP
0.535 arrow_forward 0.644 arrow_upward 20%
MRR
0.535 arrow_forward 0.644 arrow_upward 20%
speed Prestazioni sul test impostato prima e dopo la messa a punto
check
Testato su 50 campioni casuali da mteb/askubuntudupquestions-reranking
NDCG
0.645 arrow_forward 0.650 arrow_upward 1%
MAP
0.452 arrow_forward 0.462 arrow_upward 2%
MRR
0.606 arrow_forward 0.605 arrow_downward -0%
data_usage Dati sintetici generati
Totale
616
Addestramento
448
Validazione
168
API di regolazione fine automatica
Ottieni embeddings ottimizzati per qualsiasi dominio desideri.
globe_book
Utilizzare
r.jina.ai per leggere un URL e recuperarne il contenutotravel_explore
Usa
s.jina.ai per cercare sul web e ottenere SERP
Aggiungi
mcp.jina.ai come server MCP per accedere alla nostra API in LLMcurl "https://r.jina.ai/https://www.example.com"code
Posso utilizzare la stessa chiave API per tutte le API di Jina?
keyboard_arrow_down
code
Posso monitorare l'utilizzo del token della mia chiave API?
keyboard_arrow_down
code
Cosa devo fare se dimentico la mia chiave API?
keyboard_arrow_down
code
Le chiavi API scadono?
keyboard_arrow_down
code
Posso trasferire token tra chiavi API?
keyboard_arrow_down
code
Posso revocare la mia chiave API?
keyboard_arrow_down
code
Perché la prima richiesta per alcuni modelli è lenta?
keyboard_arrow_down
code
I miei dati API vengono utilizzati per addestrare i vostri modelli?
keyboard_arrow_down
code
Quali sono i limiti di velocità per le API Jina?
keyboard_arrow_down
code
Esistono limiti alle dimensioni dei batch per le API?
keyboard_arrow_down
code
Le API di Jina corrispondono ai modelli Jina all'interno di Elastic?
keyboard_arrow_down
Limite di velocità
I limiti di velocità vengono monitorati in due modi: RPM (richieste al minuto) e TPM (token al minuto). I limiti vengono applicati per IP/chiave API e vengono attivati al raggiungimento della soglia RPM o TPM. Quando si fornisce una chiave API nell'intestazione della richiesta, i limiti di velocità vengono monitorati per chiave anziché per indirizzo IP.
| Prodotto | Punto finale API | Descrizionearrow_upward | senza chiave APIkey_off | con chiave API gratuitakey | con chiave API a pagamentokey | con chiave API Premiumkey | Latenza media | Conteggio dell'utilizzo del token | Richiesta consentita | |
|---|---|---|---|---|---|---|---|---|---|---|
| API del Reader | https://r.jina.ai | Convertire l'URL in testo compatibile con LLM | 20 RPM | 500 RPM | 500 RPM | trending_up5000 RPM | 7.9s | Contare il numero di token nella risposta di output. | GET/POST | |
| API del Reader | https://s.jina.ai | Cercare sul web e convertire i risultati in testo compatibile con LLM | block | 100 RPM | 100 RPM | trending_up1000 RPM | 2.5s | Ogni richiesta costa un numero fisso di token, a partire da 10.000 token | GET/POST | |
| API di embedding | https://api.jina.ai/v1/embeddings | Convertire testo/immagini in vettori di lunghezza fissa | block | 100 RPM & 100,000 TPM | 500 RPM & 2,000,000 TPM | trending_up5,000 RPM & 50,000,000 TPM | ssid_chart dipende dalla dimensione dell'input help | Contare il numero di token nella richiesta di input. | POST | |
| API Reranker | https://api.jina.ai/v1/rerank | Classificare i documenti per query | block | 100 RPM & 100,000 TPM | 500 RPM & 2,000,000 TPM | trending_up5,000 RPM & 50,000,000 TPM | ssid_chart dipende dalla dimensione dell'input help | Contare il numero di token nella richiesta di input. | POST |
Domande comuni relative alla fatturazione
attach_money
La fatturazione è basata sul numero di frasi o richieste?
keyboard_arrow_down
attach_money
È disponibile una prova gratuita per i nuovi utenti?
keyboard_arrow_down
attach_money
Vengono addebitati i token per le richieste non riuscite?
keyboard_arrow_down
attach_money
Quali metodi di pagamento sono accettati?
keyboard_arrow_down
attach_money
È disponibile la fatturazione per gli acquisti di token?
keyboard_arrow_down
attach_money
Come posso acquistare una licenza commerciale anziché token API?
keyboard_arrow_down
attach_money
Posso pagare tramite fattura o ordine d'acquisto anziché con carta di credito?
keyboard_arrow_down
attach_money
Ho effettuato il pagamento, ma il mio saldo o il limite di spesa non sono cambiati. Cosa devo controllare?
keyboard_arrow_down
attach_money
Come faccio ad annullare, interrompere la ricarica automatica o rimuovere un metodo di pagamento salvato?
keyboard_arrow_down