NVIDIA Nemotron 3.5 Embed, Rerank und Parse: Agenten mit weltklasse Retrieval-Modellen voranbringen
huggingface ·
NVIDIA hat die Nemotron 3.5 Retriever-Sammlung veröffentlicht, die neue Open-Source-Modelle für Embedding, Reranking und Dokumenten-Parsing umfasst, um Enterprise-AI-Agenten zu verbessern. Die Suite enthält Nemotron 3.5 Embed in den Varianten 8B und 1B, wobei Letztere NVFP4-Quantisierung für hochdurchsatzfähiges Inferencing auf NVIDIA-Hardware bietet. Diese Modelle erzielen state-of-the-art-Ergebnisse bei multimodalen Retrieval-Benchmarks wie ViDoRe v3 und durchsuchen effektiv Text, Diagramme und Tabellen. Darüber hinaus verbessert das Nemotron 3.5 Rerank-Modell die Effizienz von Agenten, indem es den Token-Verbrauch um etwa 14 % reduziert und gleichzeitig die Retrieval-Genauigkeit steigert. Für die Dokumentenverarbeitung extrahiert Nemotron 3.5 Parse strukturierte Inhalte aus komplexen PDFs und belegt unter den Modellen mit weniger als einer Milliarde Parametern den ersten Platz auf der ParseBench-Rangliste. Erste Bewertungen von Partnern wie Elastic, Vectorize und Perplexity heben erhebliche Verbesserungen bei Recall und Relevanz für Langkontext- und domänenspezifische Aufgaben hervor. Entwickler können diese Gewichte über Hugging Face abrufen oder sie mit NVIDIA NIM für production-reifes Serving bereitstellen.
huggingface