การตั้งค่าความเป็นส่วนตัว

ประกาศความเป็นส่วนตัวและ GDPR

Nfero ใช้พื้นที่จัดเก็บที่จำเป็นสำหรับการตั้งค่าภาษาและการควบคุมการเข้าถึงเดโม เมื่อคุณยินยอม Google Analytics และเหตุการณ์การใช้งานแบบเบาจะช่วยปรับปรุงเดโมโมเดลและเส้นทางการสมัครสมาชิกภายนอก พรอมป์เดโมสดอาจถูกส่งไปยังเอนด์พอยต์โมเดลที่ Alibaba โฮสต์และกำหนดค่าไว้

Embedding

Text Embedding V4

Text Embedding V4 เป็นเส้นทางการจัดทำดัชนีข้อความของ Alibaba สำหรับการค้นหาและการดึงข้อมูล Nfero ใช้เป็นหน้าหลักสำหรับการวางแผน Search และ RAG

Embeddingการฝังแบบจำลองแสดงผล
ความพร้อมใช้งานแบบจำลองแสดงผล
เข้าถึงแบบจำลองแสดงผล
ภูมิภาคเป็นผลิตภัณฑ์ที่เน้นสิงคโปร์

การวางแผนการดึงข้อมูล

วางแผนการทำงาน AI ที่มีรากฐานชัดเจน

การเข้าถึง Alibaba Cloud

ใช้เส้นทางนี้เพื่อออกแบบกระบวนการค้นหา การฝัง และการจัดลำดับใหม่ก่อนเปิดใช้งานการเข้าถึงในสภาพแวดล้อมการผลิตบน Alibaba Cloud

1

อินพุต

เตรียมเนื้อหาข้อความ ภาพ หรือเอกสารสำหรับการค้นหาและจัดลำดับความสำคัญด้วยเวกเตอร์

2

ดึงข้อมูล

ใช้การฝังข้อมูลเพื่อรวบรวมบริบทตัวอย่างสำหรับคำถามของผู้ใช้

3

จัดลำดับใหม่

ใช้การจัดลำดับใหม่ของ Qwen เพื่อจัดลำดับแหล่งข้อมูลที่ดีที่สุด

Nfero อาจได้รับค่าคอมมิชชั่นหากคุณซื้อผ่านลิงก์ที่มีคุณสมบัติตามเงื่อนไขในภายหลัง โดยไม่มีค่าใช้จ่ายเพิ่มเติมสำหรับคุณ

คู่มือโมเดล

ทีมใช้เพื่ออะไร

การสาธิตการดึงข้อมูล

ความเกี่ยวข้องของการค้นหา

จัดอันดับหน้าโมเดลสำหรับนักพัฒนาที่กำลังค้นหาเส้นทางโมเดลที่เหมาะสม

สลอตการฝัง

การจับคู่เวกเตอร์

อธิบายโมเดลการฝังและจัดกลุ่มตามงาน ค่าใช้จ่าย และการพร้อมใช้งานบนระบบ

ช่องการจัดลำดับใหม่

ผลลัพธ์การจัดลำดับใหม่

จัดลำดับโมเดลตัวช่วงโดยใช้เหตุผล ภาพ และความเข้ากันได้

การใช้งาน การเข้าถึง และข้อจำกัดมีข้อกำหนด

เงื่อนไขการใช้งาน

มีข้อกำหนด ยืนยันเงื่อนไขการใช้งานในสัญญาของลูกค้า Alibaba ก่อนเปิดตัวในสภาพแวดล้อมการผลิต

การเข้าถึงแบบโฮสต์

เส้นทางนี้พร้อมสำหรับการค้นพบ ประมาณการราคา และการวางแผนการป้อนข้อมูล ในขณะที่การเข้าถึงแบบเรียลไทม์กำลังเตรียมอยู่

ข้อจำกัดของโมเดล

ยืนยันข้อจำกัดสุดท้ายใน Alibaba Cloud ก่อนใช้งานจริง

การนำระบบไปใช้โดยผู้พัฒนาตัวอย่าง API
curl
curl -X POST https://nfero.com/api/models/text-embedding-v4/run \
  -H 'content-type: application/json' \
  -d '{"texts":["Nfero Model Hub","Alibaba Model Studio"],"normalize":true}'
JavaScript
await fetch('/api/models/text-embedding-v4/run', {
  method: 'POST',
  headers: { 'content-type': 'application/json' },
  body: JSON.stringify({
  "texts": [
    "Nfero Model Hub",
    "Alibaba Model Studio"
  ],
  "normalize": true
})
});
Python
import requests
requests.post('https://nfero.com/api/models/text-embedding-v4/run', json={
  "texts": [
    "Nfero Model Hub",
    "Alibaba Model Studio"
  ],
  "normalize": true
})