مدل‌های جاسازی و رتبه‌بندی مجدد Qwen3 برای بازیابی اکنون در Amazon SageMaker JumpStart در دسترس هستند

شرح خبر

امروز، AWS از در دسترس بودن مدل‌های Qwen3-VL-Embedding-2B و Qwen3-Reranker-4B در پلتفرم Amazon SageMaker JumpStart خبر داد. این مدل‌ها که توسط تیم Qwen توسعه یافته‌اند، برای بهبود فرآیندهای بازیابی اطلاعات و درک چندوجهی طراحی شده‌اند و به کاربران امکان می‌دهند خط لوله‌های جستجوی پیشرفته‌ای را بر روی زیرساخت AWS پیاده‌سازی کنند. مدل جاسازی Qwen3-VL-Embedding-2B قادر به پردازش ورودی‌های متنوعی همچون متن، تصاویر، اسکرین‌شات‌ها و ویدئوها است و بردارهای معنایی غنی تولید می‌کند که هم اطلاعات تصویری و هم متنی را در یک فضای مشترک پوشش می‌دهند. این مدل از بیش از ۳۰ زبان پشتیبانی کرده و در وظایف چندوجهی مانند بازیابی تصویر-متن، تطابق ویدئو-متن و پاسخ به سؤالات تصویری عملکرد بالایی دارد. مدل رتبه‌بندی مجدد Qwen3-Reranker-4B نیز با دریافت جفت پرسش و سند، امتیاز ارتباط دقیقی ارائه می‌دهد تا نتایج بازیابی را بهبود بخشد و از بیش از ۱۰۰ زبان پشتیبانی می‌کند. AWS اعلام کرد که مدل‌های Qwen3-VL-Embedding-2B و Qwen3-Reranker-4B اکنون در Amazon SageMaker JumpStart در دسترس هستند. این مدل‌ها برای بازیابی اطلاعات و درک چندوجهی طراحی شده‌اند و به کاربران اجازه می‌دهند خط لوله‌های جستجوی جامعی را بر روی زیرساخت AWS بسازند. مدل جاسازی ورودی‌های متنوعی مانند متن، تصاویر و ویدئوها را پردازش می‌کند و بردارهای معنایی غنی تولید می‌کند. مدل رتبه‌بندی مجدد نیز با دریافت جفت پرسش و سند، امتیاز ارتباط دقیقی ارائه می‌دهد. این مدل‌ها از زبان‌های متعدد پشتیبانی می‌کنند و با چند کلیک در SageMaker JumpStart قابل استقرار هستند. این رونمایی اهمیت زیادی دارد زیرا مدل‌های Qwen3 توانایی پردازش چندوجهی را به کاربران AWS ارائه می‌دهند، که این امر می‌تواند دقت و کارایی سیستم‌های جستجوی هوش مصنوعی را به طور قابل توجهی بهبود بخشد. استفاده همزمان از مدل‌های جاسازی و رتبه‌بندی مجدد، فرآیند بازیابی اطلاعات را بهینه‌تر می‌کند و امکان شخصی‌سازی برای سناریوهای خاص را فراهم می‌آورد. علاوه بر این، پشتیبانی از زبان‌های متعدد، این مدل‌ها را برای بازارهای جهانی و کاربردهای متنوع مناسب می‌سازد. این مدل‌ها می‌توانند به شرکت‌ها کمک کنند تا سیستم‌های جستجوی هوشمندتر و کارآمدتری را توسعه دهند، که این امر می‌تواند منجر به بهبود تجربه کاربری، کاهش هزینه‌ها و افزایش بهره‌وری شود. همچنین، استفاده از این مدل‌ها در SageMaker JumpStart، فرآیند استقرار و مدیریت مدل‌ها را ساده‌تر می‌کند و زمان و منابع مورد نیاز را کاهش می‌دهد. برای کسب‌وکارهای ایرانی که از خدمات AWS استفاده می‌کنند، این مدل‌ها می‌توانند فرصت‌های جدیدی برای توسعه سیستم‌های جستجوی پیشرفته فراهم کنند. با توجه به پشتیبانی از زبان‌های متعدد، این مدل‌ها می‌توانند در پروژه‌های محلی و بین‌المللی مورد استفاده قرار گیرند و به بهبود فرآیندهای کسب‌وکاری کمک کنند. این مدل‌ها می‌توانند در حوزه حقوقی و فناوری برای بهبود فرآیندهای جستجوی اسناد حقوقی، تحلیل قراردادها و استخراج اطلاعات مربوطه مورد استفاده قرار گیرند. دقت بالای این مدل‌ها می‌تواند به کاهش خطاهای انسانی و بهبود کارایی در این حوزه‌ها کمک کند. این رونمایی نشان‌دهنده رقابت فزاینده در حوزه هوش مصنوعی و خدمات ابری است و می‌تواند تأثیراتی بر بازارهای جهانی و استراتژی‌های شرکت‌های فناوری داشته باشد. AWS What's New AWS مدل‌های Qwen3-VL-Embedding-2B و Qwen3-Reranker-4B را برای بهبود جستجو و رتبه‌بندی در SageMaker JumpStart معرفی کرد.

این صفحه خلاصه و تحلیل فارسی خبر را نمایش می‌دهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.