Ya están disponibles los modelos Paraphrase-Multilingual-MiniLM-L12-v2, Table Transformer Detection y Bielik-11B-v3.0-Instruct en Amazon SageMaker JumpStart
Hoy, AWS anunció la disponibilidad de Paraphrase-Multilingual-MiniLM-L12-v2, Microsoft Table Transformer Detection y Bielik-11B-v3.0-Instruct en Amazon SageMaker JumpStart.
Paraphrase-Multilingual-MinilM-L12-v2 de Sentence Transformers es un modelo ligero de similitud semántica que asigna oraciones y párrafos a un espacio vectorial denso de 384 dimensiones en más de 50 idiomas. Es muy adecuado para encontrar contenido semánticamente similar dentro de un idioma y entre idiomas, lo que lo hace ideal para búsqueda semántica multilingüe, agrupamiento de documentos multilingües y puntuación de similitud de oraciones sin necesidad de una configuración específica del idioma.
Microsoft Table Transformer Detection es un modelo de detección de objetos basado en DETR que se basa en el conjunto de datos PubTables-1M, diseñado específicamente para detectar tablas en documentos no estructurados, como archivos PDF e imágenes escaneadas. Es ideal para los procesos de digitalización de documentos y los flujos de trabajo de extracción de datos automatizados que requieren localizar de manera confiable el contenido tabular a escala en trabajos de investigación, informes financieros y otros tipos de documentos.
Bielik-11B-v3.0-Instruct es un modelo lingüístico generativo de 11 mil millones de parámetros desarrollado por SpeakLeash y ACK Cyfronet AGH, formado en corpus multilingües que abarcan 32 idiomas europeos con un fuerte énfasis en el polaco. Se destaca en diálogos en polaco e idiomas europeos, razonamiento de ciencia, tecnología, ingeniería y matemática (STEM), tareas de lógica y uso de herramientas, y aplicaciones empresariales que requieren comprensión lingüística detallada en idiomas europeos.
Con SageMaker JumpStart, los clientes pueden implementar cualquiera de estos modelos con solo unos clics para abordar sus casos de uso específicos de IA. Para empezar a utilizar estos modelos, vaya a la sección Modelos de SageMaker Studio o utilice el SDK de Python de SageMaker para implementar los modelos en su cuenta de AWS. Para obtener más información sobre la implementación y el uso de modelos fundacionales en SageMaker JumpStart, consulte la documentación de Amazon SageMaker JumpStart.