– Las incrustaciones son representaciones numéricas de datos del mundo real que ayudan a los modelos básicos a comprender las relaciones dentro de los datos.
– Los modelos de incrustación de texto son esenciales para las aplicaciones de procesamiento de lenguaje natural y potencian varios servicios de Google Cloud.
– Google Cloud ha introducido nuevos modelos de incrustación de texto Vertex AI con rendimiento mejorado, tamaños de incrustación dinámicos y precios competitivos; Próximamente habrá soporte de personalización para estos modelos.
Las incrustaciones son representaciones numéricas de datos del mundo real, como texto, voz, imágenes o videos, que ayudan a los modelos básicos que impulsan la IA generativa a comprender las relaciones dentro de los datos. Estos vectores de dimensiones fijas demuestran distancias geométricas entre dos vectores en un espacio vectorial, reflejando las relaciones entre los objetos del mundo real que representan. Los modelos de incrustación de texto son cruciales para diversas aplicaciones de procesamiento de lenguaje natural (NLP), incluida la recuperación de documentos, la medición de similitudes, la clasificación y la agrupación, y se utilizan en los servicios de Google Cloud como BigQuery y Vertex AI Search.
En Google Cloud Next ’24, se presentaron dos nuevos modelos de incrustación de texto de Vertex AI para vista previa pública, que muestran un rendimiento mejorado en diferentes tareas. El modelo de integración en inglés mostró un rendimiento mejorado en los puntos de referencia MTEB, superando las entradas existentes con una puntuación promedio del 66,31 %. De manera similar, el modelo de integración multilingüe demostró un rendimiento mejorado en los puntos de referencia MIRACL, logrando una puntuación promedio del 56,2 %. Estos modelos tienen un precio de $0,000025/1000 caracteres para solicitudes en línea y $0,00002/1000 caracteres para solicitudes por lotes.
Los nuevos modelos de incrustación de texto ofrecen tamaños de incrustación dinámicos, lo que permite a los usuarios elegir dimensiones más pequeñas con una pérdida menor de rendimiento para ahorrar en costos de computación y almacenamiento. Además, también está disponible soporte de personalización para versiones de modelos estables, con importantes mejoras de calidad mostradas a través de métodos de ajuste eficientes en los parámetros. Se anima a los usuarios a probar los últimos modelos a través de la documentación pública de Google y proporcionar comentarios para futuras mejoras.
