ダウンストリームモデルで利用できるように、英語の文コレクションから埋め込みベクトルを生成する必要があります。文では、異なるコンテキストで単語が再利用されることが多く、質問と回答のペアも含まれます。埋め込みは、単語のコンテキストとシーケンス/QA情報をキャプチャする必要があります。これらのニーズを満たす埋め込みを生成できるSageMakerオプションはどれですか？（2つ選択してください。）

Amazon SageMaker seq2seqアルゴリズムは、シーケンスデータ間のマッピングを学習するように設計されており、単語のコンテキストとシーケンス情報をキャプチャするのに適しています。特に、質問と回答のペアのような構造化されたテキストデータから埋め込みを生成するのに有効です。Amazon SageMaker Object2Vecアルゴリズムは、任意のオブジェクトペア間の関係を学習し、それらを低次元の密なベクトルにマッピングできます。これにより、単語のコンテキスト、シーケンス、およびQA情報を埋め込みにエンコードできます。 BlazingTextのSkip-gramモードとCBOWモードは、単語の埋め込みを生成しますが、単語のコンテキストやシーケンス情報、特にQAペアのような複雑な関係をキャプチャする能力は限定的です。カスタムRNNとBlazingTextを組み合わせることは可能ですが、SageMakerが提供する組み込みアルゴリズムではないため、より多くの開発と管理が必要になります。