Vorstellung von Binär-Embeddings für das Titan-Text-Embeddings-Modell in Amazon Bedrock

Amazon Titan Text Embeddings V2 unterstützt nun binäre Einbettungen. Mit binären Einbettungen können Kunden die Speicherkosten für ihre Retrieval Augmented Generation (RAG)-Anwendungen reduzieren, während sie ähnliche Genauigkeiten wie reguläre Einbettungen aufrechterhalten. Das Amazon Titan Text Embeddings-Modell generiert semantische Repräsentationen von Dokumenten, Absätzen und Sätzen, die standardmäßig 1.024, optional auch 512 oder 256 dimensionale Vektoren sind. Mit binären Einbettungen werden Titan Text Embeddings V2-Daten als binäre Vektoren dargestellt, wobei jede Dimension als ein einzelnes binäres Ziffer (0 oder 1) codiert ist. Diese binäre Darstellung konvertiert hochdimensionale Daten in ein effizienteres Format für die Speicherung in Amazon OpenSearch Serverless in Bedrock Knowledge Bases für kosteneffiziente RAG-Anwendungen. Binäre Einbettungen werden in Titan Text Embeddings V2, Amazon OpenSearch Serverless und Amazon Bedrock Knowledge Bases in allen Regionen unterstützt, in denen Amazon Titan Text Embeddings V2 verfügbar ist. Um mehr zu erfahren, besuchen Sie bitte die Dokumentation für binäre Einbettungen.