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、情報検索タスク用に設(shè)計されています。 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を提供する可能性があると同時に、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。
類似性スコアの計算（COSINE類似性）。
トップを返すn最も類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、コサインの類似性スコアに基づいて最も類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。

雪片の未來北極

將來の開発は、自然言語の理解の向上、マルチタスク學(xué)習(xí)の改善、および専門的なアプリケーションのより良いサポートに焦點を當(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。