Классификаторы на базе YandexGPT

Yandex AI Studio позволяет классифицировать передаваемые в промптах текстовые запросы. Классификация в моделях на базе YandexGPT реализована в AI Studio Text Classification API.

В AI Studio доступна классификация трех типов:

• Бинарная классификация относит запрос к одному из двух возможных классов. Например, спам или не спам.
• Многоклассовая классификация относит запрос к одному (и только к одному) из более чем двух классов. Например, центральный процессор компьютера может относиться только к одному поколению.
• Классификация с несколькими метками позволяет относить запрос одновременно к нескольким разным классам, которые не являются взаимоисключающими. Например, к одному и тому же посту в социальной сети может относиться одновременно несколько хештегов.

Модели классификации доступны только в синхронном режиме.

Сервис AI Studio предоставляет классификаторы двух видов:

• по промпту на базе YandexGPT Lite и YandexGPT Pro — доступны бинарная и многоклассовая классификации;
• дообучаемые классификаторы на базе YandexGPT Lite — доступны все поддерживаемые виды классификации.

Чтобы использовать модели классификаторов Yandex AI Studio, необходима роль ai.languageModels.user или выше на каталог.

Классификаторы по промптуКлассификаторы по промпту

Классификаторы по промпту AI Studio позволяют выполнять бинарную и многоклассовую классификацию, не требуют дообучения модели и управляются промптом. Метод fewShotClassify Text Classification API позволяет использовать два классификатора по промпту: Zero-shot и Few-shot. В метод fewShotClassify можно передать от двух до двадцати классов.

Классификатор Zero-shotКлассификатор Zero-shot

Классификатор Zero-shot позволяет выполнять бинарную и многоклассовую классификацию, передавая в теле запроса только идентификатор модели, описание задания, текст запроса и массив с именами классов.

Формат тела запроса для классификатора Zero-shot:

{
          "modelUri": "string",
          "taskDescription": "string",
          "labels": [
            "string",
            "string",
            ...
            "string"
          ],
          "text": "string"
        }
        

Где:

• modelUri — идентификатор модели, которая будет использоваться для классификации сообщения. Параметр содержит идентификатор каталога Yandex Cloud.

• taskDescription — текстовое описание задания для классификатора.

• labels — массив классов.

  Задавайте осмысленные названия для классов labels: это обязательное условие получения корректных результатов классификации. Например: вместо классов хм и фз используйте классы химия и физика.

• text — текстовое содержимое сообщения.

Для запросов к классификаторам Zero-shot используйте эндпоинт https://ai.api.cloud.yandex.net/foundationModels/v1/fewShotTextClassification.

Классификатор Few-shotКлассификатор Few-shot

Классификатор Few-shot позволяет выполнять бинарную и многоклассовую классификацию, передавая в модель массив с примерами запросов для классов, заданных в поле labels. Примеры запросов передаются в поле samples тела запроса и позволяют улучшить качество результатов, выдаваемых классификатором.

Формат тела запроса для классификатора Few-shot:

{
          "modelUri": "string",
          "taskDescription": "string",
          "labels": [
            "string",
            "string",
            ...
            "string"
          ],
          "text": "string",
          "samples": [
            {
              "text": "string",
              "label": "string"
            },
            {
              "text": "string",
              "label": "string"
            },
            ...
            {
              "text": "string",
              "label": "string"
            }
          ]
        }
        

Где:

• modelUri — идентификатор модели, которая будет использоваться для классификации сообщения. Параметр содержит идентификатор каталога Yandex Cloud.

• taskDescription — текстовое описание задания для классификатора.

• labels — массив классов.

  Задавайте осмысленные названия для классов labels: это обязательное условие получения корректных результатов классификации. Например: вместо классов хм и фз используйте классы химия и физика.

• text — текстовое содержимое сообщения.

• samples — массив с примерами запросов для классов, заданных в поле labels. Примеры запросов передаются в виде объектов, каждый из которых содержит один образец текстового запроса и класс, к которому такой запрос следует относить.

Для запросов к классификаторам Few-shot используйте эндпоинт https://ai.api.cloud.yandex.net/foundationModels/v1/fewShotTextClassification.

Дообучаемые классификаторыДообучаемые классификаторы

Если качество результатов классификаторов Zero-shot и Few-shot вас не устраивает или вам нужна многоклассовая классификация, дообучите собственный классификатор на базе YandexGPT Lite. Дообучаемые классификаторы могут быть обучены всем поддерживаемым типам классификации.

Чтобы выполнить запрос к дообученному классификатору, используйте метод classify Text Classification API. В этом случае в модель требуется передать только идентификатор модели и текст запроса. Имена классов, по которым модель будет распределять запросы, должны быть заданы в процессе дообучения модели и в запросе не передаются.

Формат тела запроса для дообученного классификатора:

{
          "modelUri": "string",
          "text": "string"
        }
        

Где:

• modelUri — идентификатор модели, которая будет использоваться для классификации сообщения. Параметр содержит идентификатор каталога Yandex Cloud и идентификатор дообученного классификатора.
• text — текстовое содержимое сообщения. Суммарное количество токенов на один запрос не должно превышать 8000.

Для запросов к дообучаемым классификаторам используйте эндпоинт https://ai.api.cloud.yandex.net:443/foundationModels/v1/textClassification.

Имена классов, по которым модель будет распределять запросы, должны быть заданы в процессе дообучения модели и в запросе не передаются.

Формат ответаФормат ответа

Все типы классификаторов AI Studio возвращают результат в следующем формате:

{
          "predictions": [
            {
              "label": "string",
              "confidence": "number",
            },
            {
              "label": "string",
              "confidence": "number",
            },
            ...
            {
              "label": "string",
              "confidence": "number",
            }
          ],
          "modelVersion": "string"
        }
        

Где:

• label — имя класса.

• confidence — значение вероятности отнесения текста запроса к данному классу.

  При многоклассовой классификации сумма значений полей вероятности (confidence) для всех классов всегда равна 1.

  При классификации с несколькими метками значение поля вероятности (confidence) для каждого класса рассчитывается независимо (сумма значений не равна 1).

Примеры использованияПримеры использования

• Использовать дообученные классификаторы на базе YandexGPT
• Использовать классификаторы по промпту на базе YandexGPT