‏🔎 انتشار مدل چندوجهی Perplexity برای جستجوی متنی و تصویری

‏شرکت Perplexity مدل pplx-embed-v2-late-0.6b را برای بازیابی اطلاعات از متن و تصاویر منتشر کرد. این مدل که بر پایه Qwen3.5 توسعه یافته، از معماری ColBERT برای تعامل دیرهنگام (Late Interaction) استفاده می‌کند و می‌تواند اسناد شامل جدول، نمودار و اطلاعات بصری را بر اساس مفهوم جستجو کند.

‏از ویژگی‌های فنی این مدل می‌توان به موارد زیر اشاره کرد:
‏* تولید بردار ۱۲۸-بعدی برای هر توکن جهت حفظ جزئیات بیشتر در مقایسه با روش‌های فشرده‌سازی متن به یک بردار واحد.
‏* استفاده از امتیازدهی MaxSim برای تطبیق دقیق‌تر بخش‌های کوئری با اسناد.
‏* اشتراک فضای جاسازی (Embedding space) بین نسخه‌های 0.6B و 9B، که اجازه می‌دهد ایندکس‌های ساخته‌شده با مدل بزرگ‌تر، توسط نسخه کوچک‌تر جستجو شوند.

‏این ابزار با مجوز MIT منتشر شده و از کتابخانه Sentence Transformers پشتیبانی می‌کند که آن را به گزینه‌ای مناسب برای سیستم‌های RAG تبدیل می‌کند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#pplx_embed_v2_late #ColBERT