Amazon: Titan Multimodal Embeddings G1

{"about":"### Tekstinė įvestis į multimodalinę erdvę\n\nAmazon Titan Multimodal Embeddings G1 — Amazon vektorinių reprezentacijų modelis, turintis bendrą teksto ir vaizdų reprezentacijų erdvę. Ailoot šioje kortelėje pateikiamas tekstinis naudojimo būdas: perduodate trumpą aprašymą arba paieškos frazę ir gaunate skaitinį vektorių. Jis perteikia teksto turinį forma, kurią programa gali palyginti su kitais suderinamais vektoriais.\n\n### Kokioms užduotims tinka\n\nModelis gali būti katalogo paieškos, rekomendacijų ir personalizavimo sistemos dalis. Pavyzdžiui, aprašymas „raudonas kelioninis krepšys“ paverčiamas paieškos vektoriumi, pagal kurį programa parengtame indekse ieško artimų įrašų. Rezultatas priklauso ir nuo katalogo turinio, ir nuo jo indeksavimo: vektorinė reprezentacija perteikia užklausą, o galutinę atranką sudaro paieškos sistema.\n\nŠios Titan versijos ypatybė — bendra tekstinių ir vaizdinių duomenų erdvė. Teksto vektorius gali būti naudingas sistemoje, kurioje suderinamos objektų reprezentacijos jau parengtos. Įprastai tekstinių dokumentų paieškai taip pat svarbus fragmento ilgis ir kalbos atitiktis užduočiai: gamintojas G1 apibūdina kaip anglų kalbos modelį su trumpa tekstine įvestimi.\n\n### Kaip organizuoti darbą\n\n1. Trumpa fraze nusakykite vieną objektą, savybę arba paieškos tikslą.\n2. Gaukite šios frazės vektorinę reprezentaciją.\n3. Palyginkite ją su savo indekso vektoriais ir atrinkite tinkamus įrašus.\n4. Perduokite rastą medžiagą toliau, pavyzdžiui, katalogo sąsajai arba atskiram atsakymą rengiančiam modeliui.\n\nIndeksas ir užklausa turi naudoti suderinamas duomenų reprezentacijas. Prieš pildant didelį katalogą verta patikrinti tikras paieškos frazes: prasmės atitiktį, retas savybes ir atvejus, kai panašūs žodžiai apibūdina skirtingus objektus.\n\n### Įvestis ir rezultatas Ailoot\n\nČia prieinamas metodas priima **tekstą** ir grąžina **embedding**; šios kortelės įvesties riba — **128 žetonai**. Šiai operacijai reikia trumpų aprašymų, todėl ilgą dokumentą geriau iš anksto suskaidyti į atskirus prasminius fragmentus. Vaizdų įkėlimas, paveikslėlių kūrimas ir darbas su vaizdo įrašais šiam metodui nepriklauso. Multimodal pavadinimas apibūdina pirminį modelį, o šioje kortelėje prieinamas teksto pavertimas vektoriumi.","alias_of":null,"aliases":[],"author":"Amazon","canonical_model":"amazon/titan-embed-image-v1","ctx":128,"formats":["embeddings"],"id":"amazon/titan-embed-image-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":128,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"embeddings","http":"POST","img_in":null,"img_out":null,"in":1.6,"input":["text"],"label":"Эмбеддинги","max_out":0,"max_tool_calls":null,"out":0,"output":["embedding"],"path":"/v1/embeddings","request_model_id":"amazon/titan-embed-image-v1","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"amazon/titan-embed-image-v1","request_model_id":"amazon/titan-embed-image-v1","route_label":"Ultra"}],"name":"Amazon: Titan Multimodal Embeddings G1","price":{"in":1.6,"in_label":null,"out":null,"out_label":null,"sort_in":1.6,"sort_out":null,"varies":false},"public_id":"amazon/titan-embed-image-v1","short":"Iš trumpo teksto kuria vektorius semantinei paieškai ir rekomendacijoms multimodalinėje Titan erdvėje."}