Model vektorových reprezentací | AI slovník

Odborná definice

Embedding model je model, který mapuje vstupní objekt do vektora navrhnutého tak, aby vzdálenost nebo podobnost mezi vektory podporovala konkrétní úlohu. Často se trénuje kontrastívnym učením, párovým rankingom nebo viacúčelovým cílem, který přibližuje relevantní dvojice a oddeluje nerelevantné. Model může být unimodálny nebo multimodální, bi-encoder nebo součást večšej architektury. Při výběru rozhoduje jazyk, doména, maximálna délka, dimenze, licence, latence a meraná retrieval kvalita.

Srozumitelné vysvětlení

Embedding model je prekladač mezi obsahem a vektorovou databázou. Pokud má systém vyhladávat podobné servisné případy, model musí rozumne umiestnit blízko sebe zápisy s stejnou poruchou, i když technici použili odlišné formulace. Model určený na obecné webové texty může přehlížet kódy súčiastok nebo odborné zkratky. Proto se nevyberá podle velikosti názvu, ale podle testu na vlastních dotazoch, rychlosti, ceny indexace a stability verze během provozu. Výmena modelu je proto i migračný projekt, ne pouze změna API.

Časté otázky

Co je bi-encoder při embeddingoch?

Dotaz a dokument kóduje odděleně, takže dokumentové vektory lze uložit předem. Vyhledávání je rychle, ačkoli interakce mezi dvojicí je méně detailná než při cross-encodéri.

Kdy se vyplatí doménový fine tuning?

Když obecný model nerozlišuje odborné významy, specifické typy relevance nebo lokální jazyk. Potřebné jsou kvalitné pozitivně a negativně páry.

Je vyšší dimenze vždy lepší?

Ne. Může zachytit více informací, ale zvyšuje paměť, přenos a náklady vyhledávání. Rozhoduje výsledek na úloze, ne samotný počet souřadnic.

Jak se tvoří hard negatives?

Jsou to zdanlivo podobné, ale nesprávně dokumenty. Získavají se z výsledků existujúceho retrievera, pravidel nebo odborného označování a zlepšují rozlišování.

Může se model aktualizovat bez preindexování?

Pouze pokud poskytovatel garantuje kompatibilný prostor, co nebýva běžné. Bez ověření se má nová verze považovat za nekompatibilnou a korpus znovu zakódovat.

Související pojmy

Zdroje a redakční stopa

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.