nvidia/nemotron-3.5-embed-1b

{"about":"### البحث الدلالي في النصوص\n\nيحوّل Nemotron 3.5 Embed 1B النص إلى تمثيل عددي لمحتواه. صُمم نموذج NVIDIA للعثور على المستندات بحسب المعنى: فقد يُصاغ السؤال والمقطع الملائم بكلمات مختلفة. تُستخدم هذه النتيجة في البحث داخل الأدلة والتعليمات الداخلية والمقالات وقاعدة إجابات خدمة الدعم.\n\nيجمع نموذج NVIDIA الأصلي النص وصور المستندات في فضاء تمثيل واحد؛ ويضيف الجيل 3.5 البحث في المحتوى البصري للصفحات. وتستخدم بطاقة Ailoot هذه السيناريو النصي منه: نص في الإدخال ومتجه في الإخراج.\n\nيقبل النموذج في Ailoot نصاً عبر طريقة embeddings ويعيد متجهاً. ويُستخدم المتجه لمقارنة الاستعلام بالمستندات؛ بينما تتولى مرحلة تالية في التطبيق صياغة الإجابة النهائية للمستخدم. يتيح ذلك تنظيم البحث عن المصادر وإعداد الإجابة المبنية عليها بشكل مستقل.\n\n### بناء البحث\n\nقسّم المواد أولاً إلى مقاطع مكتملة المعنى واحصل على تضمين لكل منها. احفظ المتجه مع النص الأصلي واسم المستند ومعرّفه. وعند البحث، حوّل السؤال بالنموذج نفسه واختر المتجهات القريبة من الفهرس. يمكن عرض المقاطع المستخرجة للمستخدم أو إرسالها إلى نموذج نصي كسياق لإجابة تستند إلى المستندات.\n\nتُستخدم تمثيلات منفصلة للاستعلامات والمستندات، ثم تُقارن ضمن عملية بحث واحدة. وعند إعداد مجموعة النصوص، يفيد الاحتفاظ بالادعاء والسياق الذي يفسره متجاورين: وهكذا يمكن قراءة المقطع المستخرج مستقلاً وربطه بالمستند الأصلي.\n\n### خصائص النموذج\n\nأُنتجت نسخة 1B باستخدام Nemotron 3.5 Embed 8B الأكبر كنموذج معلّم. ويعتمد الجزء النصي على Nemotron 3 Embed 1B ويحافظ على فضاء تمثيلاته النصية. يذكر وصف النموذج الأصلي متجهاً من 2048 قيمة مع تسوية L2. ومن المفيد مراعاة هذه الخاصية عند تصميم الفهرس، والتحقق من أبعاد الإجابة الفعلية للطريقة المختارة.\n\nقُيّم البحث النصي على 34 لغة، منها الروسية. يجعل هذا النطاق النموذج مرشحاً لقاعدة معرفة متعددة اللغات؛ وينبغي تقييم جودة اختيار المقاطع على أسئلة ومستندات حقيقية من مجالك.\n\n### الإدخال وحجم الطلب\n\nتحدد طريقة Ailoot النصية الحالية سقف الإدخال الواحد بـ 4096 توكناً. ويسهل فهرسة المواد الأطول كمقاطع مستقلة ذات إحالات خاصة إلى المصدر. السيناريو المتاح لهذه البطاقة هو نص في الإدخال وتضمين في الإخراج.","alias_of":null,"aliases":[],"author":"NVIDIA","canonical_model":"nvidia/nemotron-3.5-embed-1b","ctx":4096,"formats":["embeddings"],"id":"nvidia/nemotron-3.5-embed-1b","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":4096,"family":"openai","fast_multiplier":null,"flex_multiplier":null,"fmt":"embeddings","http":"POST","img_in":null,"img_out":null,"in":0.1,"input":["text"],"label":"Эмбеддинги","max_out":0,"max_tool_calls":null,"out":0,"output":["embedding"],"path":"/v1/embeddings","request_model_id":"nvidia/nemotron-3.5-embed-1b","route_label":"Core","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"nvidia/nemotron-3.5-embed-1b","request_model_id":"nvidia/nemotron-3.5-embed-1b","route_label":"Core"}],"name":"nvidia/nemotron-3.5-embed-1b","price":{"in":0.1,"in_label":null,"out":null,"out_label":null,"sort_in":0.1,"sort_out":null,"varies":false},"public_id":"nvidia/nemotron-3.5-embed-1b","short":"تضمينات نصية من NVIDIA للبحث الدلالي متعدد اللغات واختيار المصادر في RAG."}