Amazon Titan Text Embeddings V2 převádí text na číselnou reprezentaci pro vyhledávání a další úlohy založené na významové podobnosti. Model je optimalizován pro vyhledání vhodných úryvků: uživatel položí otázku vlastními slovy a aplikace porovná její vektor s vektory materiálů znalostní báze. Potřebné informace tak lze najít bez úplné shody klíčových slov.
V2 se od G1 liší kompaktnější standardní reprezentací: dokumentace Amazon uvádí výchozí velikost vektoru 1 024 rozměrů. Pro aplikaci je to vlastnost dat, která ukládá a porovnává. Všechny záznamy jednoho indexu musí používat jednotný způsob reprezentace; při přechodu z jiného embeddingového modelu se index připravuje pro zvolený model znovu.
Amazon uvádí učení V2 na více než 100 přirozených jazycích a 13 programovacích jazycích včetně Python, JavaScript, Java, C++, Rust, Go a SQL. Model je přitom optimalizován především pro anglický text. Ve vícejazyčné bázi je zvlášť užitečné ověřit dotazy, kde se jazyk otázky liší od jazyka dokumentů: zastoupení jazyků při učení nezaručuje stejnou kvalitu všech takových kombinací.
Na vstupu je text a na výstupu embedding. Limit této karty je 8 192 vstupních tokenů. Dlouhé materiály je pro vyhledávací index vhodné rozdělovat podle významových hranic: nadpisů, oddílů a odstavců. Každý úsek pak lze uložit společně s jeho vektorem a odkazem na původní zdroj.
Vyberte skutečné otázky a vhodné odpovědi ze své sbírky, vytvořte embeddingy a ověřte výsledky vyhledávání. Na stejné sadě měňte velikost úseku a způsob porovnávání a zachovávejte vazbu na původní text. Titan připravuje číselné reprezentace; porovnání, výběr výsledků a sestavení odpovědi zajišťují další fáze aplikace. Takové ověření pomáhá zvolit nastavení indexu podle vaší terminologie a struktury dokumentů.
", "aboutText": "### Druhá generace textových embeddingů Titan\n\nAmazon Titan Text Embeddings V2 převádí text na číselnou reprezentaci pro vyhledávání a další úlohy založené na významové podobnosti. Model je optimalizován pro vyhledání vhodných úryvků: uživatel položí otázku vlastními slovy a aplikace porovná její vektor s vektory materiálů znalostní báze. Potřebné informace tak lze najít bez úplné shody klíčových slov.\n\nV2 se od G1 liší kompaktnější standardní reprezentací: dokumentace Amazon uvádí výchozí velikost vektoru **1 024 rozměrů**. Pro aplikaci je to vlastnost dat, která ukládá a porovnává. Všechny záznamy jednoho indexu musí používat jednotný způsob reprezentace; při přechodu z jiného embeddingového modelu se index připravuje pro zvolený model znovu.\n\n### Kde model využít\n\n- **RAG a podnikové vyhledávání:** připravit vektory oddílů dokumentace a následně získávat úryvky pro samostatný model, který odpoví na otázku.\n- **Sémantická podobnost:** porovnávat různě formulované texty a hledat podobné materiály.\n- **Seskupování:** zkoumat témata požadavků, recenzí a dokumentů pomocí podobnosti jejich reprezentací.\n- **Vyhledávání v kódu:** vytvářet vyhledávací scénáře pro zdrojové texty a související vysvětlení.\n\nAmazon uvádí učení V2 na více než 100 přirozených jazycích a 13 programovacích jazycích včetně Python, JavaScript, Java, C++, Rust, Go a SQL. Model je přitom optimalizován především pro anglický text. Ve vícejazyčné bázi je zvlášť užitečné ověřit dotazy, kde se jazyk otázky liší od jazyka dokumentů: zastoupení jazyků při učení nezaručuje stejnou kvalitu všech takových kombinací.\n\n### Práce v Ailoot\n\nNa vstupu je text a na výstupu **embedding**. Limit této karty je **8 192 vstupních tokenů**. Dlouhé materiály je pro vyhledávací index vhodné rozdělovat podle významových hranic: nadpisů, oddílů a odstavců. Každý úsek pak lze uložit společně s jeho vektorem a odkazem na původní zdroj.\n\n### Praktický cyklus\n\nVyberte skutečné otázky a vhodné odpovědi ze své sbírky, vytvořte embeddingy a ověřte výsledky vyhledávání. Na stejné sadě měňte velikost úseku a způsob porovnávání a zachovávejte vazbu na původní text. Titan připravuje číselné reprezentace; porovnání, výběr výsledků a sestavení odpovědi zajišťují další fáze aplikace. Takové ověření pomáhá zvolit nastavení indexu podle vaší terminologie a struktury dokumentů.", "locale": "cs", "methods": [ { "html": "POST /v1/embeddingstextembedding