NVIDIA Nemotron 3.5 Embed, Rerank e Parse: Avanzare gli Agenti con Modelli di Recupero di Classe Mondiale
huggingface ·
NVIDIA ha rilasciato la collezione Nemotron 3.5 Retriever, che include nuovi modelli open source per embedding, reranking e parsing di documenti, al fine di potenziare gli agenti AI aziendali. La suite comprende Nemotron 3.5 Embed nelle varianti da 8B e 1B; quest'ultima offre la quantizzazione NVFP4 per un'inferenza ad alta throughput su hardware NVIDIA. Questi modelli raggiungono prestazioni all'avanguardia nei benchmark multimodali di retrieval come ViDoRe v3, consentendo ricerche efficaci attraverso testo, grafici e tabelle. Inoltre, il modello Nemotron 3.5 Rerank migliora l'efficienza degli agenti riducendo l'utilizzo di token di circa il 14% e aumentando l'accuratezza del retrieval. Per l'elaborazione dei documenti, Nemotron 3.5 Parse estrae contenuti strutturati da PDF complessi, classificandosi primo nella leaderboard ParseBench tra i modelli con meno di un miliardo di parametri. Le prime valutazioni di partner come Elastic, Vectorize e Perplexity evidenziano significativi miglioramenti in termini di recall e rilevanza per compiti a lungo contesto e specifici per dominio. Gli sviluppatori possono accedere a questi pesi tramite Hugging Face o distribuirli utilizzando NVIDIA NIM per un servizio di produzione.
huggingface