En la conferencia Volcano Engine FORCE 2024, ByteDance también lanzó la búsqueda de IA global de Volcano Engine. Este servicio, al integrar la búsqueda y recomendación contextualizada, la integración de información privada empresarial y el servicio de preguntas y respuestas en red, combina estrechamente la información empresarial, las necesidades comerciales y las necesidades del usuario, ayudando a las empresas a lograr recomendaciones más precisas y un descubrimiento de información más amplio.
El motor de búsqueda y recomendación A1 de Volcano Engine, basado en la tecnología de fusión y mejora de la familia de modelos grandes Doubao, proporciona una potente capacidad de recomendación, garantizando la precisión y la personalización profunda de los resultados. Su capacidad de comprensión multimodal abarca texto, imágenes, audio y video, siendo aplicable a diversos escenarios como comercio electrónico, recuperación de información y entretenimiento. El motor de búsqueda y recomendación A1 tiene un rendimiento potente, capaz de procesar miles de millones de contenidos, admitir un volumen de procesamiento extremadamente grande y lograr una velocidad de recuperación de milisegundos.
Además, el agente de preguntas y respuestas en red de Volcano Engine permite acceder rápidamente a la información global, utilizando el enorme volumen de contenido en tiempo real de alta calidad del grupo Douyin para presentar respuestas de temas de actualidad en cuestión de segundos. Este agente también ha introducido innovadoras formas de interacción multimodal visual, como imágenes, voz y texto, mejorando la experiencia del usuario.
En cuanto a la memoria de los modelos grandes, Volcano Engine ha integrado la tecnología de caché de contexto y la tecnología RAG, lanzando una solución de memoria de modelos grandes. Esta solución, mediante una mayor velocidad de respuesta, un menor coste de uso, una mayor precisión y miles de millones de fragmentos de memoria, ayuda a los clientes a construir soluciones de memoria eficaces, mejorando la capacidad de memoria de los modelos grandes, una dirección clave para el futuro desarrollo de los modelos grandes.