NVIDIA: Nemotron 3.5 Embed 8B (free)

{"about":"### البحث بالمعنى في قاعدة المعرفة\n\nNemotron 3.5 Embed 8B نموذج من NVIDIA لتحويل الاستعلامات والمستندات إلى تضمينات. تساعد هذه التمثيلات العددية على مقارنة النصوص بحسب محتواها عندما تختلف صياغة السؤال عن كلمات المصدر. يلائم النموذج طبقة البحث في قاعدة معرفة مؤسسية أو خدمة مرجعية أو تطبيق ينتقي المستندات قبل إعداد الإجابة.\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\nيتيح Ailoot إدخالاً نصياً وإخراجاً متجهياً عبر embeddings. يحصل التطبيق على تمثيل المادة الأصلية ويستخدمه للعثور على سجلات قريبة في الفهرس. وإذا لزمت إجابة مترابطة مع شرح، فيمكن إرسال النصوص المستخرجة إلى نموذج توليد مستقل مع سؤال المستخدم.\n\n### ما الذي يميز نسخة 8B\n\nيعتمد الترميز النصي على Nemotron 3 Embed 8B. وعند إنشاء الجيل 3.5، حافظت NVIDIA على هذا الجزء النصي وفضاء تضميناته، مع توسيع النموذج الأصلي بقدرات إضافية. تصف البطاقة المنشورة إخراجاً من 4096 قيمة ناتجاً عن أخذ متوسط تمثيلات التوكنات وتسوية L2. وعند إعداد فهرس المتجهات، يجب مواءمة أبعاده مع الإجابة الفعلية للطريقة.\n\nقُيّم البحث النصي على 34 لغة، منها الروسية. يتيح ذلك النظر إلى النموذج بوصفه طبقة بحث مشتركة للتعليمات والأدلة متعددة اللغات. وتعتمد نتيجة الانتقاء على محتوى القاعدة وتقسيم المستندات والأسئلة المعتادة للمستخدمين؛ ومن المفيد اختبارها على مواد مجالك.\n\n### سير العمل\n\n1. قسّم المستندات الأصلية إلى مقاطع يحتوي كل منها على إجابة أو شرح مكتمل.\n2. احصل على التضمينات واحفظها مع النص والعنوان ومرجع المصدر.\n3. حوّل سؤال المستخدم بالنموذج نفسه واعثر على السجلات القريبة.\n4. اعرض المقاطع المستخرجة أو استخدمها في RAG لإعداد إجابة تستند إلى المصادر.\n\n### حجم الإدخال\n\nلهذا الإصدار، يذكر Ailoot سياقاً نصياً وحد إدخال مقداره 32768 توكناً. ويمكن حفظ مقاطع المستند الطويل كسجلات مستقلة ذات مرجع مشترك للمادة الأصلية. النتيجة المتاحة من النموذج هي تضمين النص الذي يستخدمه التطبيق في المعالجة اللاحقة.","alias_of":null,"aliases":[],"author":"NVIDIA","canonical_model":"nvidia/nemotron-3.5-embed-8b:free","ctx":32768,"formats":["embeddings"],"id":"nvidia/nemotron-3.5-embed-8b:free","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":32768,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"embeddings","http":"POST","img_in":null,"img_out":null,"in":0,"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-8b:free","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"nvidia/nemotron-3.5-embed-8b:free","request_model_id":"nvidia/nemotron-3.5-embed-8b:free","route_label":"Ultra"}],"name":"NVIDIA: Nemotron 3.5 Embed 8B (free)","price":{"in":0,"in_label":null,"out":null,"out_label":null,"sort_in":0,"sort_out":null,"varies":false},"public_id":"nvidia/nemotron-3.5-embed-8b:free","short":"تضمينات نصية متعددة اللغات من NVIDIA للبحث الدلالي في المستندات وبناء RAG."}