NVIDIA: Nemotron 3.5 Embed 8B (free)

{"about":"### ค้นหาตามความหมายในฐานความรู้\n\nNemotron 3.5 Embed 8B เป็นโมเดล NVIDIA สำหรับแปลงคำค้นและเอกสารเป็นเอ็มเบดดิง ตัวแทนตัวเลขเหล่านี้ช่วยเทียบข้อความตามเนื้อหาเมื่อคำถามใช้ถ้อยคำต่างจากแหล่งข้อมูล เหมาะกับชั้นค้นหาของฐานความรู้องค์กร บริการข้อมูลอ้างอิง และแอปพลิเคชันที่คัดเอกสารก่อนเตรียมคำตอบ\n\nโมเดลต้นฉบับ NVIDIA รวมข้อความและภาพเอกสารไว้ในปริภูมิตัวแทนเดียว รุ่น 3.5 เพิ่มการค้นหาจากเนื้อหาภาพของหน้าเอกสาร หน้ารุ่น Ailoot นี้ใช้กรณีข้อความ: ข้อความเข้าและเวกเตอร์ออก\n\nใน Ailoot รับข้อความและคืนเวกเตอร์ผ่าน embeddings แอปพลิเคชันได้รับตัวแทนของข้อมูลต้นทางแล้วใช้ค้นหารายการใกล้เคียงในดัชนี หากต้องการคำตอบต่อเนื่องพร้อมคำอธิบาย สามารถส่งข้อความที่พบกับคำถามผู้ใช้ให้โมเดลสร้างคำตอบอีกตัว\n\n### รุ่น 8B ต่างอย่างไร\n\nการเข้ารหัสข้อความอิง Nemotron 3 Embed 8B เมื่อสร้างรุ่น 3.5 NVIDIA คงส่วนข้อความและปริภูมิเอ็มเบดดิงนี้ไว้ พร้อมเพิ่มความสามารถอื่นให้โมเดลต้นฉบับ หน้ารุ่นที่เผยแพร่อธิบายผลลัพธ์ 4096 ค่าที่ได้จากการเฉลี่ยตัวแทนโทเคนและทำ L2 normalization เมื่อเตรียมดัชนีเวกเตอร์ ควรกำหนดจำนวนมิติให้ตรงกับคำตอบจริงของเมธอด\n\nการค้นหาข้อความได้รับการประเมินใน 34 ภาษา รวมถึงรัสเซีย สำหรับคำแนะนำและคู่มือหลายภาษา จึงพิจารณาโมเดลเป็นชั้นค้นหาร่วมได้ ผลการเลือกขึ้นอยู่กับองค์ประกอบฐานข้อมูล การแบ่งเอกสาร และคำถามทั่วไปของผู้ใช้ ควรตรวจด้วยข้อมูลในสาขาของคุณ\n\n### กระบวนการทำงาน\n\n1. แบ่งเอกสารต้นทางเป็นส่วนที่แต่ละส่วนมีคำตอบหรือคำอธิบายสมบูรณ์\n2. สร้างเอ็มเบดดิงและเก็บพร้อมข้อความ ชื่อหัวข้อ และการอ้างอิงแหล่งข้อมูล\n3. แปลงคำถามผู้ใช้ด้วยโมเดลเดียวกันและค้นหารายการใกล้เคียง\n4. แสดงส่วนข้อความที่พบ หรือใช้ใน RAG เพื่อเตรียมคำตอบที่อิงแหล่งข้อมูล\n\n### ขนาดข้อมูลเข้า\n\nAiloot ระบุบริบทข้อความและขีดจำกัดข้อมูลเข้าของรุ่นนี้ไว้ที่ 32768 โทเคน สามารถเก็บส่วนของเอกสารยาวเป็นรายการแยกที่อ้างอิงต้นฉบับเดียวกัน ผลลัพธ์ที่โมเดลให้คือเอ็มเบดดิงข้อความสำหรับการประมวลผลต่อในแอปพลิเคชัน","alias_of":null,"aliases":[],"author":"NVIDIA","canonical_model":"nvidia/nemotron-3.5-embed-8b:free","ctx":32768,"formats":["embeddings"],"id":"nvidia/nemotron-3.5-embed-8b: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-8b:free","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"nvidia/nemotron-3.5-embed-8b:free","request_model_id":"nvidia/nemotron-3.5-embed-8b:free","route_label":"Ultra"}],"name":"NVIDIA: Nemotron 3.5 Embed 8B (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-8b:free","short":"เอ็มเบดดิงข้อความหลายภาษาของ NVIDIA สำหรับค้นหาเอกสารตามความหมายและสร้างระบบ RAG"}