Использовать дообученные классификаторы на базе YandexGPT

Чтобы воспользоваться примерами, установите cURL.

Пример ниже разработан для выполнения в операционных системах MacOS и Linux. Чтобы выполнить его в системе Windows, ознакомьтесь с особенностями работы с Bash в Microsoft Windows.

1. Создайте файл с телом запроса (например, body.json):

   {
     "modelUri": "cls://<идентификатор_каталога>/<идентификатор_классификатора>",
     "text": "<текст_запроса>"
   }
   

   Где:

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

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

2. Отправьте запрос к классификатору, выполнив команду:

   export IAM_TOKEN=<IAM-токен>
   curl \
     --request POST \
     --header "Authorization: Bearer ${IAM_TOKEN}" \
     --data "@<путь_к_файлу_с_телом_запроса>" \
     "https://llm.api.cloud.yandex.net:443/foundationModels/v1/textClassification"
   

   Примечание

   Эндпоинт https://llm.api.cloud.yandex.net:443/foundationModels/v1/textClassification работает только с дообученными классификаторами. Для классификаторов по промту используйте https://llm.api.cloud.yandex.net/foundationModels/v1/fewShotTextClassification.

   В ответе сервис вернет результаты классификации с определенными значениями вероятности (confidence) принадлежности текста запроса к каждому из классов:

   {
     "predictions": [
       {
         "label": "<название_класса_1>",
         "confidence": 0.00010150671005249023
       },
       {
         "label": "<название_класса_2>",
         "confidence": 0.000008225440979003906
       },
       ...
       {
         "label": "<название_класса_n>",
         "confidence": 0.93212890625
       }
     ],
     "modelVersion": "<версия_модели>"
   }
   

   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).