このページでは、カスタムのレコメンデーション モデルでテキストの大規模言語モデル（LLM）を使用する方法について説明します。これらのモデルは、お客様のためにトレーニングされます。事前トレーニング済みの特徴は、カスタムのレコメンデーション モデルで有効にできます。
Recommendations は、プロダクトの description フィールドを使用して LLM にフィードし、レコメンデーション モデルに組み込みます。
新しい LLM テキスト機能
Vertex AI 生成モデルを手動で構成してテキスト エンベディングを取得することもできますが、パフォーマンスを向上させるために、新しい LLM 機能をレコメンデーション モデルに統合することもできます。
テキスト エンベディングは、より説明的で長く、繰り返しがなく、多言語解釈機能も備えています。この機能は許可リストに基づいています。この機能を有効にするには、サポートにお問い合わせください。
テキスト エンベディングの使用に料金はかかりません。テキスト エンベディングは Vertex AI Search の料金に含まれています。
LLM で事前トレーニングされたエンベディングにより、説明などの長い形式のテキスト検索のセマンティックな理解が向上します。
独自のカスタム ML トレーニングでエンベディングと生成 AI を単独で使用する方法の詳細については、次のリソースをご覧ください。
モデルの互換性
LLM 機能は、次のものを含むすべての ML モデルタイプと目標に対応しています。
- OYML
- FBT
- 使用できます。
Vertex AI Search for Commerce がサポートするさまざまなタイプのレコメンデーション モデルの詳細については、レコメンデーション モデルについてをご覧ください。