مدل‌های جاسازی NVIDIA Nemotron 3 در رتبه اول کلی در RTEB قرار گرفتند و بازیابی عاملمحور را ارتقا دادند

Hugging Face BlogUS / France / Global3 دقیقه مطالعه۱۴۰۵/۰۵/۰۵ ساعت ۱۶:۳۰

تصویر مرتبط با خبر: NVIDIA Nemotron 3 Embed Ranks #1 Overall on RTEB, Advancing Agentic Retrieval
تصویر مرتبط با خبر: NVIDIA Nemotron 3 Embed Ranks #1 Overall on RTEB, Advancing Agentic Retrieval
خلاصه سریع

اصل خبر در چند خط

انویدیا مجموعه‌ای از مدل‌های جاسازی Nemotron 3 را منتشر کرد که برای بهبود کیفیت بازیابی و استقرار در مقیاس تولید طراحی شده‌اند. مدل ۸ میلیارد پارامتری این مجموعه در رتبه اول جدول RTEB قرار گرفته است. این مدل‌ها ویژگی‌هایی مانند پنجره متن ۳۲ هزار توکنی، پشتیبانی از بازیابی چندزبانه و کد، و کارایی NVFP4 را ارائه می‌دهند. آن‌ها در بنچمارک‌هایی مانند RTEB، ViDoRe V3 و MMTEB دقت بالایی دارند و هزینه توکن‌های عاملمحور را کاهش می‌دهند. مدل‌های ۱ میلیارد پارامتری نیز کیفیت بازیابی بالایی را با ردپای کوچکتر ارائه می‌دهند.

متن خبر

شرح خبر

انویدیا مجموعه‌ای از مدل‌های جاسازی باز و تجاری Nemotron 3 را معرفی کرد که برای بهبود کیفیت بازیابی طراحی شده‌اند و گزینه‌های عملی استقرار را برای توسعه‌دهندگان در مقیاس تولیدی فراهم می‌کنند. این مجموعه شامل سه مدل باز است که پیشرفتی در منحنی دقت-کارایی ارائه می‌دهند، از جمله مدل ۸ میلیارد پارامتری که صدرنشین جدول رتبه‌بندی RTEB است. مدل‌های ۱ میلیارد پارامتری نیز برای استقرار در مقیاس تولید طراحی شده‌اند. Nemotron 3 Embed با ویژگی‌هایی مانند پنجره متن ۳۲ هزار توکنی، پشتیبانی از بازیابی چندزبانه و کد، و کارایی NVFP4 برای استقرارهای سازمانی بهینه‌سازی شده است. این مدل‌ها در ارزیابی‌ها، دقت بازیابی بالایی را در بنچمارک‌هایی مانند RTEB، ViDoRe V3 و MMTEB نشان داده‌اند و هزینه توکن‌های عاملمحور را کاهش می‌دهند. انویدیا مجموعه‌ای از مدل‌های جاسازی Nemotron 3 را منتشر کرد که برای بهبود کیفیت بازیابی و استقرار در مقیاس تولید طراحی شده‌اند. مدل ۸ میلیارد پارامتری این مجموعه در رتبه اول جدول RTEB قرار گرفته است. این مدل‌ها ویژگی‌هایی مانند پنجره متن ۳۲ هزار توکنی، پشتیبانی از بازیابی چندزبانه و کد، و کارایی NVFP4 را ارائه می‌دهند. آن‌ها در بنچمارک‌هایی مانند RTEB، ViDoRe V3 و MMTEB دقت بالایی دارند و هزینه توکن‌های عاملمحور را کاهش می‌دهند. مدل‌های ۱ میلیارد پارامتری نیز کیفیت بازیابی بالایی را با ردپای کوچکتر ارائه می‌دهند. این مدل‌ها با ارائه دقت بالا در بازیابی، توانایی عامل‌های هوش مصنوعی را برای یافتن سریع‌تر و دقیق‌تر اطلاعات بهبود می‌بخشند. کاهش هزینه توکن‌های عاملمحور به معنای کارایی بیشتر و صرفه‌جویی در منابع است. علاوه بر این، ویژگی‌هایی مانند پنجره متن بلند و پشتیبانی از چند زبان، کاربردهای گسترده‌ای در صنایع مختلف از جمله پردازش زبان طبیعی و تحلیل کد فراهم می‌کند. این مدل‌ها می‌توانند هزینه‌های استقرار و عملیات را برای شرکت‌ها کاهش دهند و کارایی سیستم‌های بازیابی را بهبود بخشند. شرکت‌هایی که از RAG یا عامل‌های هوش مصنوعی استفاده می‌کنند، می‌توانند با استفاده از این مدل‌ها، دقت و سرعت پردازش را افزایش دهند. توسعه‌دهندگان و شرکت‌های ایرانی فعال در حوزه هوش مصنوعی می‌توانند از این مدل‌ها برای بهبود سیستم‌های بازیابی و پردازش زبان فارسی استفاده کنند. این امر می‌تواند به ارتقای کیفیت خدمات مبتنی بر هوش مصنوعی در ایران کمک کند. مدل‌های باز و دسترس‌پذیر می‌توانند به توسعه ابزارهای حقوقی مبتنی بر هوش مصنوعی کمک کنند، از جمله جستجوی اسناد حقوقی و تحلیل قراردادها. این امر می‌تواند دقت و سرعت پردازش در حوزه حقوقی را افزایش دهد. توسعه مدل‌های پیشرفته هوش مصنوعی توسط شرکت‌های آمریکایی مانند انویدیا می‌تواند بر رقابت جهانی در این حوزه تأثیر بگذارد و ممکن است باعث افزایش وابستگی کشورهای دیگر به فناوری‌های غربی شود. فنی و تخصصی مدل‌های جاسازی جدید انویدیا با دقت بی‌سابقه در RTEB، بازیابی عاملمحور را متحول کرده و هزینه‌ها را کاهش می‌دهند. ویژگی‌ها و کاربردهای این مدل‌ها را بشناسید.

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

تحلیل تحریریه

ابعاد مهم خبر

چرا مهم است؟

این مدل‌ها با ارائه دقت بالا در بازیابی، توانایی عامل‌های هوش مصنوعی را برای یافتن سریع‌تر و دقیق‌تر اطلاعات بهبود می‌بخشند. کاهش هزینه توکن‌های عاملمحور به معنای کارایی بیشتر و صرفه‌جویی در منابع است. علاوه بر این، ویژگی‌هایی مانند پنجره متن بلند و پشتیبانی از چند زبان، کاربردهای گسترده‌ای در صنایع مختلف از جمله پردازش زبان طبیعی و تحلیل کد فراهم می‌کند.

اثر کسب‌وکاری

این مدل‌ها می‌توانند هزینه‌های استقرار و عملیات را برای شرکت‌ها کاهش دهند و کارایی سیستم‌های بازیابی را بهبود بخشند. شرکت‌هایی که از RAG یا عامل‌های هوش مصنوعی استفاده می‌کنند، می‌توانند با استفاده از این مدل‌ها، دقت و سرعت پردازش را افزایش دهند.

اثر احتمالی برای ایران

توسعه‌دهندگان و شرکت‌های ایرانی فعال در حوزه هوش مصنوعی می‌توانند از این مدل‌ها برای بهبود سیستم‌های بازیابی و پردازش زبان فارسی استفاده کنند. این امر می‌تواند به ارتقای کیفیت خدمات مبتنی بر هوش مصنوعی در ایران کمک کند.

ارتباط با LegalTech

مدل‌های باز و دسترس‌پذیر می‌توانند به توسعه ابزارهای حقوقی مبتنی بر هوش مصنوعی کمک کنند، از جمله جستجوی اسناد حقوقی و تحلیل قراردادها. این امر می‌تواند دقت و سرعت پردازش در حوزه حقوقی را افزایش دهد.

زاویه رسانه/کشور منبع

فنی و تخصصی

برچسب‌ها