Тестовый стенд v2.2

Классификация поручений на основе векторной близости к смысловым кластерам.

Как это работает
  1. Искусственный интеллект превратил каждое старое поручение в набор координат (точку) на «смысловой карте».
  2. Для каждого свойства (например, для каждого исполнителя) математическая модель провела на карте четкую границу, отделив поручения этого исполнителя ото всех остальных.
  3. Текст нового поручения также превращается в набор координат и помещается на ту же карту в виде новой точки.
  4. Модель смотрит, в какие зоны попала эта точка. Чем глубже она находится внутри зоны (и чем дальше от проведенной границы), тем выше процент уверенности в таблице.
Что нового в v2.2
  1. Выполнена миграция с Yandex/Text-Embeddings-v2-Doc на Cloud/Giga-Embeddings-instruct-3B.
  2. Все поручения предварительно очищаются от технических данных и форматируются по единому алгоритму. Это позволяет снизить влияние HTML-кода, лишних пробелов, переносов строк и спецсимволов на результат классификации.
  3. В векторы включены якоря, обозначающие местоположение заголовка и содержания. Это должно повысить точность классификации даже при использовании универсальных моделей.
  4. Векторизация глубиной 256 точек заменена на 2048 точек. Это позволяет извлекать из текста в 8 раз больше признаков, на основе которых выполняется классификация.
  5. Все данные хранятся в контролируемом хранилище, что упрощает разработку и поддержку сервиса.
  6. Алгоритм получения новых данных полностью автоматизирован за счет прямой интеграции с модулем.
  7. Набор классифицируемых свойств расширен. Добавлены отдельные классификаторы для соисполнителей, темы+подтемы и признака массовости.
  8. Для массовых свойств снято ограничение на количество рекомендуемых вариантов.

Результат инференса Giga-Embeddings-instruct-3B

Отмечайте галочкой правильные ответы.

Свойство Значение Уверенность
Ожидание запуска...