レジストリ内のグローバルモデルにアクセスする¶
本機能の提供について
グローバルモデルはプレミアム機能です。 この機能を有効にする方法については、DataRobotの担当者または管理者にお問い合わせください。
予測ユースケースや生成ユースケースで、事前にトレーニングされたグローバルモデルをデプロイします。 これらの高品質でオープンソースのモデルは、トレーニング済みですぐにデプロイできるため、DataRobotのインストール後すぐに予測を行うことができます。 LLMのユースケースには、プロンプトインジェクション、毒性、センチメントを識別する分類器や、拒否スコアを出力するリグレッサーが用意されています。
グローバルモデルの利用可能性
DataRobotが作成したグローバルモデルは、すべてのユーザーが利用できます。 管理者が作成したグローバルモデルは、以下のルールに基づいて使用できます。
- 組織管理者 がグローバルモデルを作成する場合、そのグローバルモデルは、組織内のすべてのユーザーが使用できます。
- プラットフォーム管理者 がグローバルモデルを作成する場合、そのDataRobotプラットフォームインスタンスのすべてのユーザーが使用できます。
グローバルモデルの編集権限があるのは管理者のみです。 デプロイされたグローバルモデルは、デプロイの共有ルールに従います。
レジストリ > モデルディレクトリページでグローバルモデルを識別するには、グローバル列を見つけて、 はいのモデルを探します。
レジストリ > モデルディレクトリページをフィルターして、グローバルモデルのみを一覧表示できます。 全体をクリックし
次のグローバルモデルを使用できます。
| モデル | タイプ | ターゲット | 説明 |
|---|---|---|---|
| プロンプトインジェクション分類器 | 二値 | インジェクション | テキストをプロンプトインジェクションまたは正当なものとして分類します。 このモデルには、分類するテキストを含むtextという名前の列が1つ必要です。 詳しくは、 deberta-v3-base-injectionモデルの詳細を参照してください。 |
| 毒性分類器 | 二値 | 毒性 | テキストを有毒か無毒に分類します。 このモデルには、分類するテキストを含むtextという名前の列が1つ必要です。 詳しくは、 toxic-comment-modelの詳細を参照してください。 |
| センチメント分類器 | 二値 | センチメント | テキストのセンチメントを肯定的か否定的に分類します。 このモデルには、分類するテキストを含むtextという名前の列が1つ必要です。 詳しくは、 distilbert-base-uncased-finetuned-sst-2-englishモデルの詳細を参照してください。 |
| 感情分類器 | 多クラス | ターゲット | テキストを感情で分類します。 これは多ラベルモデルです。つまり、複数の感情をテキストに適用できます。 このモデルには、分類するテキストを含むtextという名前の列が1つ必要です。 詳しくは、 roberta-base-go_emotions-onnxモデルの詳細を参照してください。 |
| 拒否スコア | 連続値 | ターゲット | プロンプトがモデルに設定されている回答範囲を超えているために、LLMがクエリーへの回答を拒否したケースのリストと、入力を比較して、最大類似性スコアを出力します。 |
| PresidioのPII検出 | 二値 | contains_pii | テキスト内の個人を特定できる情報（PII）を検出して置き換えます。 このモデルには、分類するテキストを含むtextという名前の列が1つ必要です。 必要に応じて、検出するPIIのタイプをコンマ区切りの文字列として列'entities'に指定できます。 この列が指定されていない場合は、サポートされているすべてのエンティティが検出されます。 エンティティのタイプは、PresidioがサポートするPIIエンティティのドキュメントに記載されています。 検出結果に加えて、モデルは anonymized_text列を返します。この列には、検出されたPIIがプレースホルダーに置き換えられた更新バージョンの入力が含まれています。 詳細については、Presidio: Data Protection and De-identification SDKのドキュメントを参照してください。 |
| ゼロショット分類器 | 二値 | ターゲット | ユーザー指定のラベルを持つテキストに対してゼロショット分類を実行します。 このモデルでは、textという名前の列に分類されたテキストが必要であり、labelsという名前の列にコンマ区切りの文字列としてクラスラベルが必要です。 すべての行に同じラベルセットが必要であるため、最初の行にあるラベルが使用されます。 詳しくは、 deberta-v3-large-zeroshot-v1モデルの詳細を参照してください。 |
| Pythonダミー二値分類 | 二値 | ターゲット | Positiveクラスでは、常に0.75となります。 詳しくは、 python3_dummy_binaryモデルの詳細を参照してください。 |
グローバルモデルフィルターをクリアするには、適用されたフィルター行で、グローバルフィルターバッジのxをクリックします。 すべてクリアをクリックして、適用されたすべてのフィルターを削除することもできます。
更新しました November 1, 2024
このページは役に立ちましたか？
ありがとうございます。どのような点が役に立ちましたか？
より良いコンテンツを提供するには、どうすればよいでしょうか？
アンケートにご協力いただき、ありがとうございました。