Amazon: Titan Embeddings G1 - Text

{"about":"### 텍스트의 의미를 숫자 벡터로\n\nAmazon Titan Embeddings G1은 V1이라고도 알려진 Amazon의 텍스트 임베딩 모델입니다. 텍스트를 **1,536개의 숫자**로 이루어진 벡터로 변환합니다. 애플리케이션은 서로 다른 단어를 사용한 문구와 문서도 의미를 기준으로 비교할 수 있습니다. 예를 들어 결제 정보 변경에 관한 질문으로 계좌 정보 수정 안내를 찾을 수 있습니다.\n\n### 검색, 지식 기반, 문서 묶기\n\nG1은 텍스트 인덱스를 준비하고 사용자의 검색 요청을 벡터로 표현하는 데 적합합니다. 지식 기반 시스템에서는 RAG의 한 단계가 됩니다. 먼저 알맞은 텍스트 조각을 찾고, 별도의 언어 모델이 이를 바탕으로 답변을 작성합니다. 이 단계에서 Titan 자체가 반환하는 것은 벡터입니다. 문서 저장, 유사도 계산, 답변 구성은 애플리케이션이 담당합니다.\n\n다른 활용 방법은 텍스트를 묶는 것입니다. 벡터로 비슷한 고객 문의를 찾거나 자료를 주제별로 모으거나 유사 문서를 고를 수 있습니다. 구체적인 범주와 유사도 기준값은 작업 과정에서 정하며, 임베딩에 완성된 분류표가 들어 있는 것은 아닙니다.\n\n### 자료 준비 방법\n\n1. 자료 모음을 절, 문단, 독립적인 답변 등 이해할 수 있는 단위로 나눕니다.\n2. 각 조각의 벡터를 얻고 원본 텍스트와의 연결을 보존합니다.\n3. 검색 요청도 같은 방식으로 변환합니다.\n4. 인덱스와 비교해 찾은 자료를 사용자나 다음 처리 단계에 반환합니다.\n\nAiloot에서는 최대 **8,192토큰**의 텍스트 입력과 임베딩 출력을 제공합니다. 검색용 조각의 크기는 내용에 맞춰 정하는 것이 좋습니다. 문서 전체를 하나의 큰 벡터로 만들면 문서가 다루는 개별 질문 사이의 차이가 가려질 수 있습니다. 원문을 갱신할 때는 인덱스의 표현도 함께 갱신합니다.\n\n### G1의 특징\n\n이 세대의 Titan은 고정된 1,536차원 표현을 사용합니다. Amazon은 25개 자연어로 학습했으며 영어를 가장 상세히 평가했다고 설명합니다. 전문 용어, 모호한 표현, 다른 언어를 다룰 때는 알맞은 문서가 미리 정해진 자체 검색 요청 몇 개로 확인하면 좋습니다. G1은 주로 자연어 텍스트를 위한 모델입니다. 소스 코드 검색과 관련해서는 다음 세대 Titan에 프로그래밍 언어 학습에 관한 별도 정보가 있습니다.","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":"텍스트를 1,536차원 벡터로 변환해 의미 검색, 유사 자료 찾기, 문서 묶기에 활용합니다."}