nvidia/nemotron-3.5-embed-1b

{"about":"### Pencarian semantik pada teks\n\nNemotron 3.5 Embed 1B mengubah teks menjadi representasi numerik isinya. Model NVIDIA ini ditujukan untuk pencarian makna dokumen: pertanyaan dan potongan relevan dapat menggunakan kata-kata berbeda. Hasilnya digunakan untuk mencari dalam referensi, petunjuk internal, artikel, dan basis jawaban dukungan.\n\nModel NVIDIA asal menggabungkan teks dan gambar dokumen dalam satu ruang representasi; generasi 3.5 menambahkan pencarian isi visual halaman. Kartu Ailoot API ini menggunakan alur teksnya: masukan teks dan keluaran vektor.\n\nDi Ailoot API, model menerima teks melalui metode embeddings dan mengembalikan vektor. Vektor membandingkan kueri dengan dokumen; jawaban lengkap bagi pengguna dibentuk pada tahap aplikasi berikutnya. Dengan begitu pencarian sumber dan penyiapan jawaban berbasis sumber dapat diatur terpisah.\n\n### Membangun pencarian\n\nPertama, bagi materi menjadi potongan bermakna yang utuh dan dapatkan embedding setiap potongan. Simpan vektor bersama teks sumber, nama dokumen, dan pengenalnya. Saat mencari, ubah pertanyaan dengan model yang sama dan pilih vektor terdekat dari indeks. Potongan hasil dapat ditampilkan atau diteruskan ke model teks sebagai konteks jawaban berbasis dokumen.\n\nKueri dan dokumen menggunakan representasi terpisah yang kemudian dibandingkan dalam satu proses pencarian. Saat menyiapkan korpus, simpan pernyataan bersama konteks penjelasnya agar potongan hasil dapat dibaca mandiri dan dikaitkan dengan dokumen asal.\n\n### Karakteristik model\n\nVersi 1B diperoleh dengan menggunakan Nemotron 3.5 Embed 8B yang lebih besar sebagai model guru. Bagian teksnya berbasis Nemotron 3 Embed 1B dan mempertahankan ruang representasi teksnya. Deskripsi model asal menyatakan vektor 2048 nilai dengan normalisasi L2. Perhitungkan sifat ini saat merancang indeks sambil memeriksa dimensi jawaban aktual dari metode yang dipilih.\n\nPencarian teks dievaluasi pada 34 bahasa, termasuk bahasa Rusia. Cakupan ini menjadikannya kandidat untuk basis pengetahuan multibahasa; kualitas pemilihan potongan perlu dinilai pada pertanyaan dan dokumen nyata dari bidang Anda.\n\n### Masukan dan ukuran permintaan\n\nMetode teks Ailoot API saat ini menetapkan batas 4096 token untuk satu masukan. Materi lebih panjang dapat diindeks sebagai potongan terpisah dengan referensi sumber masing-masing. Alur kartu ini adalah masukan teks dan keluaran embedding.","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":"Embedding teks NVIDIA untuk pencarian semantik multibahasa dan pemilihan sumber dalam RAG."}