Noong Enero 25, 2024, naglabas kami ng dalawang bagong modelo ng embeddings: text-embedding-3-small at text-embedding-3-large. Ito ang aming pinakabago at pinakamahusay ang performance na mga modelo ng embedding, na may mas mababang gastos, mas mataas na multilingual performance, at bagong parameter para paikliin ang embeddings. Magbasa pa.
Ano ang naiiba sa pinakabagong mga modelo ng embeddings?
Nagbibigay ang aming pinakabagong mga v3 na modelo ng mas malakas na performance sa mga karaniwang benchmark sa mas mababang presyo. Maaari kang magbasa pa tungkol sa mga pagpapahusay sa performance sa blog post ng anunsyo at dokumentasyon para sa developer.
Paano ko malalaman kung ilang token ang magiging laman ng isang string bago ko subukang i-embed ito?
Maaari mong gamitin ang Tiktoken package ng OpenAI para tingnan kung ilang token ang magiging laman ng isang string. Matuto pa sa aming gabay sa embeddings para sa developer.
Paano ko mabilis na makukuha ang K pinakamalalapit na embedding vector?
Para sa mabilis na paghahanap sa maraming vector, inirerekomenda naming gumamit ng vector database.
Aling distance function ang dapat kong gamitin?
Ang mga output ng embedding ng OpenAI API ay L2-normalized sa habang 1 bilang default, kabilang pagkatapos paikliin gamit ang parameter na dimensions, na nangangahulugang:
Ang mga embedding ng OpenAI ay normalized sa habang 1, na nangangahulugang:
Maaaring kalkulahin nang bahagyang mas mabilis ang cosine similarity gamit lang ang dot product
Magbibigay ng magkaparehong ranking ang cosine similarity at Euclidean distance