Nemotron 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.
Pôvodný 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.
V 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.
Najprv 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.
Dopyty 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.
Verzia 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.
Textové 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.
Aktuálna 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.
", "aboutText": "### 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.", "locale": "sk", "methods": [ { "html": "POST /v1/embeddingstextembedding