Amazon: Titan Embeddings G1 - Text

{"about":"### معنى النص في متجه عددي\n\nAmazon Titan Embeddings G1 هو نموذج تضمين نصي من Amazon، يُعرف أيضاً باسم V1. يحوّل النص إلى متجه من **1 536 عدداً**. تساعد هذه النتيجة التطبيق على مقارنة العبارات والمستندات بحسب المعنى حتى إن اختلفت كلماتها؛ مثل العثور على تعليمات تعديل بيانات الحساب استجابةً لسؤال عن تغيير معلومات الدفع.\n\n### البحث وقاعدة المعرفة والتجميع\n\nيلائم G1 إعداد فهرس نصي وإنشاء تمثيل بحثي لاستعلام المستخدم. وفي نظام يعتمد على قاعدة معرفة، يشكل إحدى مراحل RAG: تُستخرج المقاطع المناسبة أولاً، ثم يصوغ نموذج لغوي مستقل إجابةً تستند إليها. يعيد Titan نفسه متجهاً في هذه المرحلة؛ أما تخزين المستندات وحساب التقارب وتركيب الإجابة فتتولاها تطبيقاتك.\n\nومن الاستخدامات الأخرى تجميع النصوص. يمكن استخدام المتجهات للعثور على طلبات دعم متقاربة، أو جمع المواد حسب الموضوع، أو اختيار مستندات مشابهة. تُحدد الفئات الفعلية وعتبات التشابه داخل سير العمل، ولا يتضمنها التضمين كتصنيف جاهز.\n\n### إعداد المواد\n\n1. قسّم المجموعة إلى مقاطع واضحة: أقسام أو فقرات أو إجابات مستقلة.\n2. احصل على متجهات هذه المقاطع واحفظ ارتباط كل متجه بالنص الأصلي.\n3. حوّل استعلام البحث بالطريقة نفسها.\n4. قارنه بالفهرس وأعد المواد التي عُثر عليها إلى المستخدم أو مرحلة المعالجة التالية.\n\nيتيح Ailoot إدخالاً نصياً يصل إلى **8 192 توكناً** ونتيجة بصيغة تضمين. ولأغراض البحث، يُفضّل اختيار حجم المقطع وفق المحتوى: فقد يخفي متجه واحد كبير للمستند الفروق بين الأسئلة المنفصلة التي يتناولها. وعند تحديث النص الأصلي، يُحدّث تمثيله في الفهرس أيضاً.\n\n### ما الذي يميز G1\n\nيستخدم هذا الجيل من Titan تمثيلاً ثابتاً ذا 1536 بُعداً. تصف Amazon تدريبه على 25 لغة طبيعية، مع إجراء الاختبارات الأكثر تفصيلاً بالإنجليزية. وللمصطلحات التخصصية والصياغات الملتبسة واللغات الأخرى، تفيد مجموعة صغيرة من استعلاماتك مع مستندات مناسبة معروفة مسبقاً. صُمم G1 أساساً للنص الطبيعي؛ أما البحث في الشيفرة المصدرية فتتوفر للجيل التالي من Titan معلومات مستقلة عن التدريب على لغات البرمجة.","alias_of":null,"aliases":[],"author":"Amazon","canonical_model":"amazon/titan-embed-text-v1","ctx":8192,"formats":["embeddings"],"id":"amazon/titan-embed-text-v1","input":["text"],"kind":"embedding","max_out":0,"methods":[{"cache_read":null,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":8192,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"embeddings","http":"POST","img_in":null,"img_out":null,"in":0.2,"input":["text"],"label":"Эмбеддинги","max_out":0,"max_tool_calls":null,"out":0,"output":["embedding"],"path":"/v1/embeddings","request_model_id":"amazon/titan-embed-text-v1","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"amazon/titan-embed-text-v1","request_model_id":"amazon/titan-embed-text-v1","route_label":"Ultra"}],"name":"Amazon: Titan Embeddings G1 - Text","price":{"in":0.2,"in_label":null,"out":null,"out_label":null,"sort_in":0.2,"sort_out":null,"varies":false},"public_id":"amazon/titan-embed-text-v1","short":"يحوّل النص إلى متجهات ذات 1536 بُعداً للبحث الدلالي واختيار المواد المتشابهة وتجميع المستندات."}