سرویس مدلهای زبانی بزرگ (LLM)
سرویس مدلهای زبانی بزرگ (Large Language Models یا LLM) در ابرآمد این امکان را فراهم میکند که بدون نیاز به راهاندازی زیرساختهای پیچیده هوش مصنوعی، به مدلهای پیشرفته پردازش زبان طبیعی از طریق API دسترسی داشته باشید. این مدلها قادرند متن را تحلیل کنند، پاسخ تولید کنند، محتوا ایجاد کنند و در بسیاری از کاربردهای هوش مصنوعی مانند چتباتها، تحلیل متن، تولید محتوا و پردازش زبان طبیعی مورد استفاده قرار گیرند.
در این سرویس، چندین مدل زبانی مختلف در اختیار کاربران قرار گرفته تا بسته به نوع کاربرد، مدل مناسب خود را انتخاب کنند. هر مدل دارای ویژگیها و کاربردهای خاص خود است.
مدلهای موجود در این سرویس شامل موارد زیر هستند:
Qwen
مدلهای Qwen مجموعهای از مدلهای زبانی توسعهیافته برای پردازش و تولید متن هستند که عملکرد مناسبی در درک پرسشها، تولید پاسخهای دقیق و انجام وظایف مختلف پردازش زبان طبیعی دارند. این مدلها برای کاربردهایی مانند چتباتها، تولید محتوا، خلاصهسازی متن و تحلیل متون مورد استفاده قرار میگیرند.
GPT‑OSS
مدلهای GPT‑OSS نسخههای متنباز از خانواده مدلهای GPT هستند که قابلیت درک زبان طبیعی و تولید متن را در سطح پیشرفته فراهم میکنند. این مدلها میتوانند در سناریوهایی مانند ساخت دستیارهای هوشمند، پاسخدهی به سوالات کاربران، تولید متن و خودکارسازی فرآیندهای متنی مورد استفاده قرار گیرند.
Gemma
Gemma مجموعهای از مدلهای زبانی سبک و بهینه است که برای اجرای سریعتر و مصرف منابع کمتر طراحی شدهاند. این مدلها در بسیاری از وظایف پردازش زبان طبیعی مانند پاسخدهی به سوالات، تولید متن و تحلیل محتوا عملکرد قابلقبولی ارائه میدهند و برای استفاده در سرویسهای تعاملی گزینه مناسبی محسوب میشوند.
Embedding
مدلهای Embedding برای تبدیل متن به بردارهای عددی (Vector) استفاده میشوند. این بردارها نمایش ریاضی از معنای متن هستند و امکان انجام عملیاتهایی مانند جستجوی معنایی، مقایسه شباهت متون، دستهبندی محتوا و سیستمهای توصیهگر را فراهم میکنند. Embedding معمولاً در سیستمهایی مانند موتورهای جستجوی هوشمند، سامانههای پرسش و پاسخ مبتنی بر اسناد (RAG) و تحلیل متون در مقیاس بزرگ مورد استفاده قرار میگیرد.
در ادامه، برای آشنایی با نحوه استفاده از سرویس LLM ابرآمد و روش دسترسی و بهرهبرداری از این مدلها در سامانه، لطفاً به مستند راهنمای کاربری استفاده از سرویس LLM مراجعه کنید.