nvidia/nemotron-3.5-embed-1b

{"about":"### Sémantické vyhľadávanie v textoch\n\nNemotron 3.5 Embed 1B prevádza text na číselné vyjadrenie obsahu. Model NVIDIA je určený na vyhľadávanie dokumentov podľa významu: otázka a vhodný úsek môžu používať odlišné slová. Výsledok sa využíva pri vyhľadávaní v príručkách, interných pokynoch, článkoch a databáze odpovedí zákazníckej podpory.\n\nPôvodný model NVIDIA spája text a obrázky dokumentov v spoločnom priestore reprezentácií; generácia 3.5 pridáva vyhľadávanie vo vizuálnom obsahu strán. Táto karta Ailoot používa textový scenár: textový vstup a vektorový výstup.\n\nV Ailoot model prijíma text metódou embeddings a vracia vektor. Vektor slúži na porovnanie dopytu s dokumentmi; hotovú odpoveď používateľovi vytvára ďalší krok aplikácie. Vyhľadávanie zdrojov a prípravu odpovede na ich základe tak možno organizovať oddelene.\n\n### Ako vytvoriť vyhľadávanie\n\nNajprv rozdeľte materiály na ucelené významové úseky a získajte embedding každého z nich. Vektor uložte spolu s pôvodným textom, názvom a identifikátorom dokumentu. Pri vyhľadávaní preveďte otázku rovnakým modelom a vyberte blízke vektory z indexu. Nájdené úseky možno zobraziť používateľovi alebo posunúť textovému modelu ako kontext pre odpoveď podľa dokumentov.\n\nDopyty a dokumenty používajú samostatné reprezentácie, ktoré sa následne porovnávajú v spoločnom vyhľadávacom procese. Pri príprave korpusu zachovajte tvrdenie spolu s vysvetľujúcim kontextom, aby sa nájdený úsek dal čítať samostatne aj spojiť s pôvodným dokumentom.\n\n### Vlastnosti modelu\n\nVerzia 1B vznikla s využitím väčšieho Nemotron 3.5 Embed 8B ako učiteľského modelu. Textová časť vychádza z Nemotron 3 Embed 1B a zachováva jeho priestor textových reprezentácií. Opis pôvodného modelu uvádza vektor s 2048 hodnotami a normalizáciou L2. Zohľadnite to pri návrhu indexu a overte rozmer skutočnej odpovede vybranej metódy.\n\nTextové vyhľadávanie sa hodnotilo na 34 jazykoch vrátane ruštiny. Model je tak kandidátom pre viacjazyčnú znalostnú bázu; kvalitu výberu úsekov overte na skutočných otázkach a dokumentoch svojho odboru.\n\n### Vstup a veľkosť dopytu\n\nAktuálna textová metóda Ailoot určuje limit jedného vstupu na 4096 tokenov. Dlhšie materiály je vhodné indexovať po úsekoch s vlastnými odkazmi na zdroj. Scenárom tejto karty je textový vstup a embeddingový výstup.","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":"Textové embeddingy NVIDIA pre viacjazyčné sémantické vyhľadávanie a výber zdrojov v RAG."}