ฐานความรู้ของ Amazon Bedrock รองรับการฝังไบนารีเวกเตอร์เพื่อสร้างแอปพลิเคชัน RAG แล้ว
ฐานความรู้ของ Amazon Bedrock รองรับการฝังแบบไบนารีเวกเตอร์เพื่อสร้างแอปพลิเคชันการดึงข้อมูลเพื่อการสร้างแบบเสริม (RAG) แล้ว ฟีเจอร์นี้ใช้ได้กับโมเดลการฝังข้อความ Titan V2 และโมเดล Cohere Embed ฐานความรู้ของ Amazon Bedrock มีเวิร์กโฟลว์ RAG ที่มีการจัดการอย่างเต็มรูปแบบ เพื่อสร้างแอปพลิเคชัน Retrieval-Augmented-Generation (RAG) ที่มีความแม่นยำสูง เวลาแฝงต่ำ ปลอดภัยและปรับแต่งได้ด้วยการรวมข้อมูลตามบริบทจากแหล่งที่มาของข้อมูลขององค์กร
การฝังแบบไบนารีเวกเตอร์แสดงถึงการฝังเอกสารประกอบเป็นไบนารีเวกเตอร์ โดยแต่ละมิติข้อมูลจะเข้ารหัสเป็นเลขไบนารีหลักเดียว (0 หรือ 1) การฝังแบบไบนารีในแอปพลิเคชัน RAG มีประโยชน์มากในด้านประสิทธิภาพการจัดเก็บ ความเร็วในการคำนวณ และความสามารถในการปรับขนาด ซึ่งมีประโยชน์มากต่อการดึงข้อมูลขนาดใหญ่ สภาพแวดล้อมที่มีข้อจำกัดด้านทรัพยากร และแอปพลิเคชันแบบเรียลไทม์
ในปัจจุบัน ความสามารถใหม่นี้ได้รับการรองรับโดย Amazon OpenSearch แบบไม่ต้องใช้เซิร์ฟเวอร์ว่าเป็นพื้นที่เก็บเวกเตอร์ ทั้งยังได้รับการรองรับในรีเจี้ยนฐานความรู้ของ Amazon Bedrock ทั้งหมดที่มีบริการ Amazon OpenSearch แบบไม่ต้องใช้เซิร์ฟเวอร์และการฝังข้อความ Amazon Titan V2 หรือ Cohere Embed
ดูข้อมูลเพิ่มเติมได้ที่เอกสารประกอบ