NVIDIA Nemotron 3.5 Embed, Rerank et Parse : Faire progresser les Agents avec des modèles de récupération de classe mondiale
huggingface ·
NVIDIA a lancé la collection Nemotron 3.5 Retriever, qui comprend de nouveaux modèles open source pour l'embedding, le reranking et l'analyse de documents afin d'améliorer les agents IA en entreprise. La suite inclut Nemotron 3.5 Embed dans des versions 8B et 1B, cette dernière offrant une quantification NVFP4 pour une inférence à haut débit sur le matériel NVIDIA. Ces modèles atteignent des performances de pointe sur des benchmarks multimodaux comme ViDoRe v3, permettant de rechercher efficacement du texte, des graphiques et des tableaux. De plus, le modèle Nemotron 3.5 Rerank améliore l'efficacité des agents en réduisant l'utilisation de tokens d'environ 14 % tout en augmentant la précision de la récupération. Pour le traitement des documents, Nemotron 3.5 Parse extrait du contenu structuré à partir de PDF complexes et se classe premier au classement ParseBench parmi les modèles de moins d'un milliard de paramètres. Les premières évaluations de partenaires tels qu'Elastic, Vectorize et Perplexity mettent en évidence des gains significatifs en termes de rappel et de pertinence pour les tâches à long contexte et spécifiques à un domaine. Les développeurs peuvent accéder à ces poids via Hugging Face ou les déployer à l'aide de NVIDIA NIM pour un service de niveau production.
huggingface