Amazon: Titan Embeddings G1 - Text

{"about":"### Pomen besedila v številčnem vektorju\n\nAmazon Titan Embeddings G1 je Amazonov besedilni model za vektorske vložitve, znan tudi kot V1. Besedilo pretvori v vektor **1 536 števil**. Aplikaciji pomaga primerjati pomen fraz in dokumentov tudi ob različnih besedah: na primer najti navodila za spremembo podatkov za račun ob vprašanju o menjavi plačilnih podatkov.\n\n### Iskanje, zbirka znanja in združevanje\n\nG1 je primeren za pripravo besedilnega indeksa in iskalne predstavitve uporabnikove poizvedbe. V zbirki znanja je to eden od korakov RAG: najprej se poiščejo ustrezni odseki, nato ločen jezikovni model na njihovi podlagi sestavi odgovor. Titan v tem koraku vrne vektor; shranjevanje dokumentov, računanje podobnosti in sestavljanje odgovora so naloge aplikacije.\n\nDrug primer uporabe je združevanje besedil. Vektorji omogočajo iskanje podobnih zahtevkov podpori, povezovanje vsebin po temah in izbor sorodnih dokumentov. Konkretne kategorije in pragove podobnosti določi delovni potek; vektorska vložitev ne vsebuje že pripravljenih oznak.\n\n### Kako pripraviti gradivo\n\n1. Zbirko razdelite na razumljive odseke: razdelke, odstavke ali samostojne odgovore.\n2. Pridobite njihove vektorje in ohranite povezavo vsakega vektorja z izvirnim besedilom.\n3. Na enak način pretvorite iskalno poizvedbo.\n4. Primerjajte jo z indeksom in najdene vsebine vrnite uporabniku ali naslednjemu koraku obdelave.\n\nV Ailoot je na voljo besedilni vhod do **8 192 žetonov**, rezultat pa je embedding. Velikost odseka za iskanje prilagodite vsebini: en velik vektor celotnega dokumenta lahko zakrije razlike med vprašanji, ki jih dokument obravnava. Ob spremembi izvirnega besedila posodobite tudi njegovo predstavitev v indeksu.\n\n### Kaj ločuje G1\n\nTa generacija Titan uporablja nespremenljivo 1536-razsežno predstavitev. Amazon navaja učenje na 25 naravnih jezikih in najpodrobnejše preizkušanje v angleščini. Za strokovno izrazje, dvoumne formulacije in druge jezike je uporabna manjša lastna zbirka poizvedb z vnaprej znanimi ustreznimi dokumenti. G1 je namenjen predvsem naravnemu besedilu; za iskanje po izvorni kodi so pri naslednji generaciji Titan posebej navedeni podatki o učenju na programskih jezikih.","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":"Besedilo pretvori v 1536-razsežne vektorje za pomensko iskanje, izbor podobnih vsebin in združevanje dokumentov."}