NVIDIA: Nemotron 3.5 Embed 1B (free)

{"about":"### การค้นหาข้อความตามความหมาย\n\nNemotron 3.5 Embed 1B แปลงข้อความเป็นตัวแทนตัวเลขของเนื้อหา โมเดล NVIDIA นี้มีไว้ค้นหาเอกสารตามความหมาย แม้คำถามกับส่วนข้อความที่เหมาะสมจะใช้ถ้อยคำต่างกัน ผลลัพธ์ใช้ในงานค้นหาคู่มือ คำแนะนำภายใน บทความ และฐานคำตอบฝ่ายสนับสนุนได้\n\nโมเดลต้นฉบับ NVIDIA รวมข้อความและภาพเอกสารไว้ในปริภูมิตัวแทนเดียว รุ่น 3.5 เพิ่มการค้นหาจากเนื้อหาภาพของหน้าเอกสาร หน้ารุ่น Ailoot นี้ใช้กรณีข้อความของโมเดล: ข้อความเข้าและเวกเตอร์ออก\n\nใน Ailoot โมเดลรับข้อความผ่านเมธอด embeddings และคืนเวกเตอร์ เวกเตอร์ใช้เปรียบเทียบคำค้นกับเอกสาร ส่วนคำตอบสำเร็จสำหรับผู้ใช้สร้างในขั้นถัดไปของแอปพลิเคชัน จึงจัดการค้นหาแหล่งข้อมูลและเตรียมคำตอบจากแหล่งเหล่านั้นแยกกันได้\n\n### สร้างการค้นหาอย่างไร\n\nเริ่มจากแบ่งข้อมูลเป็นส่วนที่มีความหมายสมบูรณ์และสร้างเอ็มเบดดิงแต่ละส่วน เก็บเวกเตอร์พร้อมข้อความต้นฉบับ ชื่อเอกสาร และตัวระบุ เมื่อค้นหา แปลงคำถามด้วยโมเดลเดียวกันแล้วเลือกเวกเตอร์ใกล้เคียงจากดัชนี ส่วนข้อความที่พบอาจแสดงให้ผู้ใช้หรือส่งให้โมเดลข้อความเป็นบริบทสำหรับคำตอบอิงเอกสาร\n\nคำค้นและเอกสารใช้ตัวแทนแยกกัน แล้วนำมาเปรียบเทียบในกระบวนการค้นหาเดียวกัน เมื่อเตรียมคลังข้อมูล ควรเก็บข้อกล่าวกับบริบทอธิบายไว้ใกล้กัน เพื่อให้ส่วนที่พบอ่านเข้าใจได้เองและเชื่อมกลับเอกสารต้นทางได้\n\n### คุณสมบัติของโมเดล\n\nรุ่น 1B สร้างโดยใช้ Nemotron 3.5 Embed 8B ที่ใหญ่กว่าเป็นโมเดลครู ส่วนข้อความอิง Nemotron 3 Embed 1B และคงปริภูมิตัวแทนข้อความเดิม คำอธิบายโมเดลต้นฉบับระบุเวกเตอร์ 2048 ค่าที่ทำ L2 normalization คุณสมบัตินี้ควรนำมาพิจารณาเมื่อออกแบบดัชนี พร้อมตรวจจำนวนมิติจากคำตอบจริงของเมธอดที่เลือก\n\nการค้นหาข้อความได้รับการประเมินใน 34 ภาษา รวมถึงรัสเซีย ความครอบคลุมนี้ทำให้โมเดลเป็นตัวเลือกสำหรับฐานความรู้หลายภาษา ควรประเมินคุณภาพการเลือกส่วนข้อความด้วยคำถามและเอกสารจริงในสาขาของคุณ\n\n### ข้อมูลเข้าและขนาดคำขอ\n\nเมธอดข้อความ Ailoot ปัจจุบันกำหนดขีดจำกัดหนึ่งอินพุตไว้ที่ 32768 โทเคน ข้อมูลยาวกว่านี้ควรทำดัชนีแยกเป็นส่วนพร้อมการอ้างอิงแหล่งข้อมูลของตนเอง การใช้งานที่มีในหน้านี้คือข้อความเข้าและเอ็มเบดดิงออก","alias_of":null,"aliases":[],"author":"NVIDIA","canonical_model":"nvidia/nemotron-3.5-embed-1b:free","ctx":32768,"formats":["embeddings"],"id":"nvidia/nemotron-3.5-embed-1b:free","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":32768,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"embeddings","http":"POST","img_in":null,"img_out":null,"in":0,"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:free","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"nvidia/nemotron-3.5-embed-1b:free","request_model_id":"nvidia/nemotron-3.5-embed-1b:free","route_label":"Ultra"}],"name":"NVIDIA: Nemotron 3.5 Embed 1B (free)","price":{"in":0,"in_label":null,"out":null,"out_label":null,"sort_in":0,"sort_out":null,"varies":false},"public_id":"nvidia/nemotron-3.5-embed-1b:free","short":"เอ็มเบดดิงข้อความของ NVIDIA สำหรับค้นหาเชิงความหมายหลายภาษาและเลือกแหล่งข้อมูลใน RAG"}