Amazon: Titan Text Embeddings V2

{"about":"### Druhá generácia textových embeddingov Titan\n\nAmazon Titan Text Embeddings V2 prevádza text na číselnú reprezentáciu pre vyhľadávanie a ďalšie úlohy založené na významovej blízkosti. Model je optimalizovaný na vyhľadanie vhodných úsekov: používateľ položí otázku vlastnými slovami a aplikácia porovná jej vektor s vektormi materiálov znalostnej bázy. Potrebné informácie tak možno nájsť bez úplnej zhody kľúčových slov.\n\nV2 sa od G1 líši kompaktnejšou štandardnou reprezentáciou: dokumentácia Amazonu uvádza predvolený vektor s **1 024 rozmermi**. Pre aplikáciu ide o vlastnosť údajov, ktoré ukladá a porovnáva. Všetky záznamy jedného indexu musia používať jednotnú reprezentáciu; pri prechode z iného embeddingového modelu treba index pripraviť nanovo pre vybraný model.\n\n### Kde ho používať\n\n- **RAG a podnikové vyhľadávanie:** pripraviť vektory sekcií dokumentácie a potom vyhľadávať úseky pre samostatný model odpovedajúci na otázku.\n- **Významová podobnosť:** porovnávať inak formulované texty a hľadať blízke materiály.\n- **Zoskupovanie:** skúmať témy požiadaviek, recenzií a dokumentov cez blízkosť ich reprezentácií.\n- **Vyhľadávanie v kóde:** vytvárať vyhľadávanie v zdrojových textoch a súvisiacich vysvetleniach.\n\nAmazon uvádza tréning V2 na viac než 100 prirodzených a 13 programovacích jazykoch vrátane Python, JavaScript, Java, C++, Rust, Go a SQL. Model je pritom optimalizovaný hlavne pre anglický text. Vo viacjazyčnej báze sa oplatí osobitne preveriť dopyty v inom jazyku než dokumenty: zastúpenie jazykov v tréningu neznamená rovnakú kvalitu všetkých kombinácií.\n\n### Práca v Ailoot\n\nVstupom je text, výstupom **embedding**. Limit tejto karty je **8 192 vstupných tokenov**. Dlhé materiály pre vyhľadávací index je vhodné deliť podľa významových hraníc: nadpisov, sekcií a odsekov. Každý úsek potom možno uložiť spolu s jeho vektorom a odkazom na pôvodný zdroj.\n\n### Praktický cyklus\n\nVyberte skutočné otázky a vhodné odpovede zo svojej zbierky, vytvorte embeddingy a overte výsledky vyhľadávania. Na rovnakej sade meňte veľkosť úsekov a spôsob porovnávania, pričom zachovajte väzbu na pôvodný text. Titan pripravuje číselné reprezentácie; porovnávanie, výber výsledkov a tvorba odpovede patria ďalším krokom aplikácie. Také overenie pomáha prispôsobiť index vašej terminológii a štruktúre dokumentov.","alias_of":null,"aliases":[],"author":"Amazon","canonical_model":"amazon/titan-embed-text-v2","ctx":8192,"formats":["embeddings"],"id":"amazon/titan-embed-text-v2","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":0.04,"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-v2","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"amazon/titan-embed-text-v2","request_model_id":"amazon/titan-embed-text-v2","route_label":"Ultra"}],"name":"Amazon: Titan Text Embeddings V2","price":{"in":0.04,"in_label":null,"out":null,"out_label":null,"sort_in":0.04,"sort_out":null,"varies":false},"public_id":"amazon/titan-embed-text-v2","short":"Vytvára textové vektory pre RAG, sémantické vyhľadávanie a zoskupovanie vrátane vyhľadávania vo viacjazyčných materiáloch a kóde."}