| 0 |
|
Стартап у сфері штучного інтелекту Cohere представив Embed 4, свою новітню AI-модель для створення вкраплень для пошуку та вилучення інформації для додатків AI, таких як асистенти й агенти.
Корпоративні підприємства значною мірою покладаються на генерацію з розширенням пошуку - метод, що дає змогу генеративним AI-моделям отримувати та включати свіжу, точну інформацію в режимі реального часу, щоб великі мовні моделі відповідали на запити користувачів з найкращими можливими даними.
Моделі вбудовування, такі як Embed, беруть дані з документів і перетворюють їх на математичні уявлення, звані векторами, які можна використовувати для представлення динамічного, багатогранного контексту інформації. У випадку з Embed 4 це може бути що завгодно - від текстових документів або зображень до таблиць, графіків, коду і діаграм.
За словами представників Cohere, нова модель містить у собі надзвичайно великий обсяг контексту - до 128 000 лексем, що відповідає приблизно 200-сторінковому документу, - що дає їй змогу сприймати об'ємний річний фінансовий звіт, інструкцію з експлуатації продукту або докладний юридичний договір. Крім того, це багатомовне рішення, що підтримує понад 100 мов, зокрема такі ключові мови бізнесу, як арабська, японська, корейська та французька, на додаток до англійської.
Як повідомляють представники Cohere, Embed 4 дає змогу організаціям здійснювати пошук у неструктурованих документах, де зберігається більша частина важливих даних, а його унікальність полягає в тому, що він може генерувати високоякісні подання складних документів змішаної модальності в єдиному векторі.
AI-стартап заявив, що розробив нову модель для роботи в регульованих галузях, як-от фінанси, охорона здоров'я та виробництво, з розумінням специфіки цих галузей. До них відносяться можливості пошуку презентацій для інвесторів, річних фінансових звітів, медичних карт, процедурних схем, документів зі специфікації продукції, керівництв з ремонту та документів ланцюжка постачання.
Cohere також зазначила, що Embed 4 може працювати із зашумленими даними реального світу, обробляючи нечіткі зображення і погано орієнтовані документи. За словами представників компанії, модель була навчена на безлічі просканованих документів, рукописних та інших проблемних документів. Саме з такими типами складних даних стикаються багато компаній під час щоденної попередньої обробки мультимодальних даних, яка є частиною ручного процесу.
Agora, пошукова система на основі штучного інтелекту для 35 000 інтернет-магазинів і клієнт Cohere, який використовував модель для допомоги своєму бізнесу, заявив, що зміг створити кращий пошук за допомогою розширених функцій мультимодального вбудовування.
«Дані електронної комерції складні, вони містять зображення і багатогранні текстові описи», - каже засновник компанії Парам Джаггі (Param Jaggi). «Можливість представити наші продукти в єдиному вкладенні робить наш пошук швидшим, а наші внутрішні інструменти - ефективнішими».
Можливості Embed важливі для точного пошуку і вилучення інформації, що дає змогу використовувати генеративні AI-моделі, такі як Cohere Command A, недорогу модель, яку компанія випустила минулого місяця. Такі моделі, як Command A, забезпечують роботу розмовних асистентів і AI-агентів, але при цьому значною мірою покладаються на пошукові системи, які під'єднані до захищеної, пропрієтарної інформації компанії для отримання релевантної інформації на запитання користувачів. Це необхідно для прискорення відповідей, підвищення точності та зменшення галюцинацій.
За словами Cohere, нова модель Embed 4 інтегрована з North, безпечною платформою для роботи AI-агентів компанії, на основі якої реалізована можливість семантичного пошуку в продукті Compass.
Модель Embed 4 також доступна в Microsoft Azure AI Foundry, на Amazon SageMaker і для приватного розгортання.
Kingston повертається у «вищу лігу» серверних NVMe SSD
| 0 |
|
