Funzioni di intelligenza artificiale

Le funzioni di intelligenza artificiale (AI) consentono di lavorare con modelli linguistici di grandi dimensioni (LLM) e modelli Core ML. Per gli LLM, queste funzioni ricavano e convertono i vettori di embedding, calcolano la similarità del coseno e il numero di token e forniscono informazioni sullo schema della tabella. Per i modelli Core ML, le funzioni rimanenti restituiscono informazioni su un modello e ne eseguono la valutazione.

Funzione Risultato

AddEmbeddings

Aggiunge due vettori di embedding e restituisce il risultato come vettore normalizzato.

ComputeModel

Restituisce un oggetto JSON contenente il risultato della valutazione del modello Core ML.

CosineSimilarity

Restituisce la similarità tra due vettori di embedding come numero compreso tra -1 (opposto) e 1 (simile).

GetEmbedding

Invia i dati di input a un modello di embedding e restituisce una rappresentazione vettoriale come dati Contenitore.

GetEmbeddingAsFile

Converte un vettore di embedding dal formato testo in dati Contenitore binari.

GetEmbeddingAsText

Converte un vettore di embedding da dati Contenitore binari in formato testo.

GetFieldsOnLayout

Restituisce un elenco dei campi di un formato come dati JSON.

GetModelAttributes

Restituisce metadati in formato JSON su un modello con nome attualmente caricato.

GetRAGSpaceInfo

Restituisce informazioni sullo spazio RAG specificato o su tutti gli spazi RAG, se non è specificato un ID spazio.

GetTableDDL

Restituisce le informazioni della tabella in formato Data Definition Language (DDL) per un elenco di ricorrenze di tabella specificate come array JSON.

GetTokenCount

Restituisce il numero di token per il testo specificato. Utilizzare solo a titolo di guida; i conteggi effettivi utilizzati dai modelli possono variare.

NormalizeEmbedding

Normalizza un vettore di embedding. Se specificato, il parametro della dimensione riduce il numero di dimensioni del vettore da utilizzare prima della normalizzazione.

PredictFromModel

Restituisce il valore predetto da un modello di regressione addestrato per il vettore di embedding di testo specificato.

SubtractEmbeddings

Sottrae il vettore di embedding v2 da v1 e restituisce il risultato come vettore normalizzato.