Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

Réamhrá ar Leabaithe

Ceacht 1 as 18 Nuashonraithe 3 Samhain 2026 Forbróir
Ar an leathanach seo
  1. Cad é leabú?
  2. Veicteoirí agus spás séimeantach
  3. Fad mar thomhas ar chosúlacht
  4. Feidhmchláir leabaithe
  5. Cén fáth Mistral le haghaidh leabaithe?
  6. Príomhphointí

Nuashonraithe an 2 Samhain, 2026 — Múnlaí. Díchódaíodh Mistral Large 3 (mistral-large-2512) agus Mistral Medium 3.5 an 31 Deireadh Fómhair, 2026, agus scoirfear de thairiscint iad an 30 Aibreán, 2027. Tá an leagan ina dhiaidh sin, Mistral Large 4 (mistral-large-4), ar fáil le haghaidh réamhamhairc poiblí ón 6 Deireadh Fómhair. Úsáideann na samplaí sa chúrsa seo an t-ailias mistral-large-latest, a thagraíonn fós do Mistral Large 3 de réir a sonraíochta oifigiúla (fíoraithe an 3 Samhain, 2026). Ar an gcaoi chéanna, tagraíonn mistral-medium-latest do Mistral Medium 3.5. Fanfaidh na hailiasí seo bailí go dtí an 30 Aibreán, 2027. I gcás tionscadal nua, déan tástáil ar mistral-large-4, an leagan ina dhiaidh sin.

Cad é leabú?

Is ionann leabú agus léiriú uimhriúil ar théacs mar veicteoir i spás iltoiseach. Déantar gach focal, abairt nó doiciméad a thiontú ina liosta uimhreacha—ina veicteoir—a ghabhann a bhrí shéimeantach. Is simplí an fáth leis an gclaochlú seo: ní thuigeann ríomhairí téacs amh; oibríonn siad le huimhreacha. Aistríonn leabaithe teanga an duine go formáid is féidir le halgartaim a láimhseáil, a chur i gcomparáid agus a anailísiú.

Samhlaigh foireann tacaíochta do chustaiméirí ag cartlannú ticéad ó dheich mbliana anuas. Fad is a fhanann na ticéid sin mar théacs simplí, ní féidir ach cuardach eochairfhocal cruinn a dhéanamh go meicniúil: má chuardaíonn tú “seachadadh”, ní aimsíonn tú “loingsiú” riamh. Nuair a chódáiltear na ticéid mar veicteoirí, áfach, bíonn siad ina bpointí inchurtha i gcomparáid sa spás. Grúpáiltear “Níor tháinig mo phacáiste riamh” le “Ordú gan fáil” fiú mura bhfuil aon fhocal coiteann acu.

Veicteoirí agus spás séimeantach

Samhlaigh spás le go leor toiseanna (1,024 toise do mistral-embed, mar shampla). Glacann gach téacs suíomh beacht sa spás seo, agus bíonn téacsanna a bhfuil brí chosúil acu gar go geoiméadrach dá chéile.

# Is liosta uimhreacha é leabú go simplí
embedding_example = [0.0234, -0.1567, 0.0891, 0.0456]  # 1024 luach i ndáiríre

# Beidh veicteoirí gar dá chéile ag dhá abairt chosúla
sentence_1 = "The cat sleeps on the couch"     # -> veicteoir A
sentence_2 = "The feline dozes on the sofa"    # -> veicteoir B (gar do A)
sentence_3 = "The stock market crashed yesterday" # -> veicteoir C (i bhfad ó A agus B)

Is é an airí seo a dhéanann leabaithe chomh cumhachtach sin: léiríonn garacht gheoiméadrach garacht shéimeantach. Níor fhoghlaim an múnla riail a deir gur comhchiallach é “feline” le “cat”. Ina ionad sin, d’fhoghlaim sé an dá fhocal seo a chur i gcomhthéacsanna cosúla, rud atá leordhóthanach chun veicteoirí A agus B a thabhairt níos gaire dá chéile agus C a choinneáil ar leithligh.

1024
Toisí do mistral-embed (téacs)
3072
Toisí do codestral-embed (cód)
5
Cineálacha cruinnis (dtype)
< 1s
Moill API in aghaidh na hiarrata

Fad mar thomhas ar chosúlacht

Chun a fháil amach an bhfuil dhá théacs cosúil, tomhaiseann tú an fad idir a veicteoirí. Tá trí mhéadracht i gceannas sa réimse. Freagraíonn fad Eoiclídeach don líne dhíreach idir dhá phointe: dá ghiorra an líne, is amhlaidh is cosúla na téacsanna. Tomhaiseann cosúlacht chomhshíneasa an uillinn idir dhá veicteoir; ciallaíonn uillinn 0° (comhshíneas = 1) go bhfuil na téacsanna céanna go séimeantach. Ar deireadh, tá an toradh poncúil tapa le ríomh, rud a mhíníonn cén fáth a n-úsáidtear go coitianta é le haghaidh rangú.

Tháinig cosúlacht chomhshíneasa chun bheith ina caighdeán toisc go ndéanann sí neamhaird ar fhad an veicteora. Déan comparáid idir achoimre conartha trí líne agus an conradh iomlán daichead leathanach. Cuirtear pionós ar an achoimre le fad Eoiclídeach cé go gcumhdaíonn sí an t-ábhar céanna go díreach, ach fanann an uillinn idir an dá veicteoir beag.

import numpy as np

def cosine_similarity(vec_a, vec_b):
    """Ríomh cosúlacht chomhshíneasa idir dhá veicteoir."""
    dot_product = np.dot(vec_a, vec_b)
    norm_a = np.linalg.norm(vec_a)
    norm_b = np.linalg.norm(vec_b)
    return dot_product / (norm_a * norm_b)

# Toradh idir -1 agus 1
# 1.0 = céanna, 0.0 = gan bhaint, -1.0 = contrártha

Feidhmchláir leabaithe

Tá bunús ag leabaithe faoi go leor feidhmchlár nua-aimseartha, agus fiú breathnú ar an gcaoi a bhfeidhmíonn gach ceann acu sa chleachtas. Aimsíonn cuardach séimeantach doiciméid de réir brí seachas eochairfhocail chruinne: freagraíonn bunachar sonraí nósanna imeachta inmheánacha “cad le déanamh má dhiúltaíonn custaiméir seachadadh” fiú mura bhfuil “bainistiú fillte ag an dípot” mar theideal ar an nós imeachta. Tógann RAG (Giniúint Fheabhsaithe le hAisghabháil) an loighic seo níos faide trí dhoiciméid aisghafa a instealladh i leid LLM, rud a ligeann dó freagairt bunaithe ar do chuid sonraí seachas ar a chuimhne oiliúna.

Baineann trí chás úsáide eile leas as an geoiméadracht chéanna. Déanann aicmiú téacs doiciméid a chatagóiriú go huathoibríoch trí bhreathnú ar an ngrúpa aitheanta is gaire dá veicteoir—titann ríomhphost isteach i “billeáil” nó “teicniúil” gan aon rialacha scríofa de láimh. Aithníonn brath dúbailte ábhar atá beagnach comhionann i mbunachar sonraí, rud a choscann ort an bileog táirge céanna a fhoilsiú faoi dhó toisc gur scríobh dhá fhoireann í. Grúpálann braisleáil doiciméid de réir téama gan lipéid réamhshocraithe, modh coitianta chun tuiscint a fháil ar chorpas nach bhfuil a struchtúr ar eolas ag aon duine. Ar deireadh, molann córais molta ábhar cosúil, díreach cosúil leis an meicníocht “altanna gaolmhara” ag bun leathanaigh.

Cén fáth Mistral le haghaidh leabaithe?

Tá dhá mhúnla leabaithe speisialaithe ag Mistral. Láimhseálann mistral-embed teanga nádúrtha agus táirgeann sé 1,024 toise; oiliúnaíodh codestral-embed ar chód foinse agus téann sé suas go 3,072 toise. Roghnaíonn tú eatarthu bunaithe ar nádúr d’ábhair amha: doiciméadú scríofa ar thaobh amháin, comhaid .py nó .ts ar an taobh eile.

Tá rochtain ar na múnlaí seo trí API simplí le cóimheas den scoth idir praghas agus feidhmíocht. sna ceachtanna seo a leanas, foghlaimeoidh tú conas iad a úsáid sa chleachtas.

Príomhphointí

  • Aistríonn leabú téacs go veicteoir uimhriúil iltoiseach
  • Léiríonn garacht gheoiméadrach idir veicteoirí cosúlacht shéimeantach
  • Is í cosúlacht chomhshíneasa an mhéadracht is coitianta chun leabaithe a chur i gcomparáid
  • Tairgeann Mistral dhá mhúnla: mistral-embed (téacs) agus codestral-embed (cód)
  • Is iad leabaithe bunús RAG, cuardaigh shéimintigh agus braisleála