Snowflake Arcticは2つの主要なモデルを提供しています

• スノーフレーク北極指示：自然言語(yǔ)プロンプトから高品質(zhì)の応答を生成するのに最適です。
スノーフレーク北極ベース：
• これ以上微調(diào)整することなく、さまざまなアプリケーションの多目的な基礎(chǔ)モデル。 さらに、すべてApache 2.0ライセンスの下にある5つのテキスト埋め込みモデルのファミリは、情報(bào)検索タスク用に設(shè)計(jì)されています。 抱きしめる顔から供給された以下の表は、大規(guī)模なテキスト埋め込みベンチマーク（MTEB）検索タスク（NDCG@10）でのパフォーマンスを示しています。

Snowflake Arctic Demo

SQL生成とPythonコード生成の例は、Arcticの能力を示しており、効率とメモリ使用量の利點(diǎn)を提供する可能性があると同時(shí)に、ChatGPT-4oと有利に比較します。 適切なLLMの選択に関するガイダンスについては、LLM分類(lèi)に関するこのチュートリアルを參照してください。

このチュートリアルでは、リソース効率の高い

必要なライブラリ（

）は、PIPを使用してインストールされます：snowflake-arctic-embed-xs

モデルとトークネザーがロードされます：

transformersこのセクションでは、Anclake Arcticを使用したドキュメントの類(lèi)似性検索について詳しく説明しています。 プロセスには次のものが含まれます

1. 埋め込みモデルを使用したドキュメントの埋め込みの生成。
クエリドキュメントの埋め込みを生成します。
類(lèi)似性スコアの計(jì)算（COSINE類(lèi)似性）。
トップを返すn最も類(lèi)似したドキュメントとそのスコア。

これらの手順を?qū)g裝するために、

およびgenerate_embedding）が提供されます。 例は、コサインの類(lèi)似性スコアに基づいて最も類(lèi)似したドキュメントを特定するプロセスを示しています。 find_similar_documents3Dドキュメントの視覚化

視覚化の場(chǎng)合、主成分分析（PCA）は、高次元の埋め込みをプロットのために3つの次元に減らします。 修正された

find_similar_documents

統(tǒng)合

retramelitは、ドキュメントの類(lèi)似性検索のインタラクティブなWebアプリケーションを作成するために使用されます。 提供されたコードは、基本的な統(tǒng)合を?qū)g証し、ユーザーがクエリを入力し、上位の結(jié)果の數(shù)を指定し、3D視覚化で結(jié)果を表示できるようにします。 包括的な流線のチュートリアルについては、このリソースを參照してください。

高度な構(gòu)成のヒント

スノーフレーク北極の性能の最適化には、量子化、ハードウェア加速、モデル蒸留、キャッシュ、監(jiān)視、スケーリング、セキュリティ、および継続的な最適化など、いくつかの要因を慎重に検討する必要があります。

雪片の未來(lái)北極

將來(lái)の開(kāi)発は、自然言語(yǔ)の理解の向上、マルチタスク學(xué)習(xí)の改善、および専門(mén)的なアプリケーションのより良いサポートに焦點(diǎn)を當(dāng)てる可能性があります。 Snowflakeのコミュニティフォーラムと包括的なドキュメントは、貴重なサポートリソースを提供します。

以上がSnowflake Arctic Tutorial：Snowflake＆＃x27; s LLMを始めましょうの詳細(xì)內(nèi)容です。詳細(xì)については、PHP 中國(guó)語(yǔ) Web サイトの他の関連記事を參照してください。