به گزارش زومیت، گوگل می‌گوید Gemini Decisions API به توسعه‌دهندگان اجازه می‌دهد اطلاعات متنی، تصویری، صوتی و ویدیویی را در اختیار هوش مصنوعی قرار دهند و پاسخ مجموعه‌ای از پرسش‌های مشخص را تنها با یک درخواست دریافت کنند.
تفاوت اصلی این مدل با نسخه‌های معمول جمنای در نحوه‌ی تولید پاسخ است. مدل‌های زبانی متداول معمولاً پاسخ خود را به‌صورت مرحله‌به‌مرحله و با تولید توکن‌های متوالی می‌سازند؛ اما Gemini Decision 1 به‌جای تولید متن طولانی، گزینه‌های ازپیش‌تعریف‌شده را در یک مرحله‌ی پردازشی ارزیابی می‌کند و برای هر پاسخ، احتمال و میزان اطمینان ارائه می‌دهد.
این رویکرد باعث شده است که مدل جدید برای فعالیت‌هایی مانند دسته‌بندی اطلاعات، انتخاب ابزار مناسب برای عامل‌های هوش مصنوعی، بررسی رعایت قوانین و تعیین مدل مناسب برای پاسخ‌گویی به درخواست کاربران کاربرد داشته باشد. پاسخ به هزار سؤال در کمتر از یک ثانیه
یکی از ویژگی‌های مهم Gemini Decisions API، امکان بررسی حداکثر هزار سؤال مستقل درباره‌ی یک ورودی مشترک است.
توسعه‌دهنده می‌تواند یک سند PDF را در اختیار مدل قرار دهد و از آن بخواهد وجود اطلاعات مشخص، رعایت استانداردهای تعیین‌شده و میزان کامل‌بودن بخش‌های مختلف سند را بررسی کند.
به‌جای ارسال درخواست‌های جداگانه برای هر پرسش، تمام این موارد در یک درخواست بررسی می‌شوند.
گوگل می‌گوید Gemini Decision 1 می‌تواند متن، تصویر، صوت، ویدیو و اسناد PDF را پردازش کند و از ورودی‌هایی با حداکثر ۲۵۶ هزار توکن پشتیبانی می‌کند.
براساس آزمایش‌های گوگل، زمان پاسخ‌گویی سرتاسری این مدل در شرایط اعلام‌شده بین ۱۵۰ تا ۲۵۰ میلی‌ثانیه است. بخش پردازشی مدل نیز معمولاً بین ۵۰ تا ۱۰۰ میلی‌ثانیه زمان می‌برد. …
دانلود از کافه بازار
