Qwen3 katıştırma ve alma için yeniden sıralama modelleri artık Amazon SageMaker JumpStart'ta kullanılabilir
AWS bugün Amazon SageMaker JumpStart'ta Qwen3-VL-Embedding-2B ve Qwen3-Reranker-4B modellerini kullanıma sunarak AWS müşterilerine sunulan temel model portföyünü genişletti. Qwen'in bu modelleri, müşterilerin AWS altyapısında kapsamlı arama hatları oluşturmasına olanak tanıyan bilgi alma ve modlar arası anlayış için tasarlanmıştır. İki model tipik olarak birlikte kullanılır: katıştırma modeli verimli bir ilk geri çağırma gerçekleştirirken, yeniden sıralayıcı daha sonraki bir yeniden sıralama aşamasında sonuçları iyileştirir.
Bu modeller, özel yeteneklerle alma işlem hattının farklı aşamalarını ele alır:
Qwen3-VL-Embedding-2B, metin, görüntü, ekran görüntüleri ve videolar dahil olmak üzere çeşitli girdilerin yanı sıra bu yöntemlerin bir karışımını içeren girdileri kabul eder ve paylaşılan bir alanda hem görsel hem de metinsel bilgileri yakalayan anlamsal olarak zengin vektörler üretir. 30'dan fazla dil desteği ile görüntü-metin alma, video-metin eşleştirme, görsel soru yanıtlama ve çok modlu içerik kümeleme gibi çeşitli çok modlu görevlerde performans sağlar.
Qwen3-Reranker-4B, bir sorgu ve belge çiftini girdi olarak alır ve alma sonuçlarını iyileştirmek için kesin bir alaka düzeyi puanı çıktısı döndürür. Belirli görevler, diller veya senaryolar için performansı artırmak için kullanıcı tanımlı talimatlarla 100'den fazla dilde metin alma, kod alma, metin sınıflandırma, metin kümeleme ve bitext madenciliğini destekler.
Müşteriler, SageMaker JumpStart ile belirli yapay zeka kullanım ihtiyaçları için bu modellerden herhangi birini yalnızca birkaç tıklamayla devreye alabilirler. Bu modelleri kullanmaya başlamak için SageMaker Stüdyosu'nun Modeller bölümüne gidin veya modelleri AWS hesabınıza dağıtmak için SageMaker Python SDK'sini kullanın. SageMaker JumpStart'ta temel model dağıtma ve kullanma hakkında daha fazla bilgi için Amazon SageMaker JumpStart belgelerine bakın.