Embeddings transformă conținutul într-un vector numeric astfel încât elementele apropiate semantic să poată fi găsite prin similitudine. Într-un sistem RAG, embeddings pot reprezenta fragmentele și întrebarea pentru retrieval. Similaritatea nu dovedește relevanța, adevărul sau dreptul de acces, deci este combinată frecvent cu termeni exacți, metadata și reranking. Modelul de embeddings și strategia de chunking trebuie evaluate pe limbajul și documentele reale.
Termeni înrudiți
- RAG — Retrieval-Augmented Generation — RAG (Retrieval-Augmented Generation) este o tehnică AI care combină un motor de căutare în documente proprii cu un LLM, permițând modelului să răspundă pe baza informațiilor specifice ale companiei tale.
- Reranking — Reranking este reordonarea unui set de rezultate recuperate folosind un model sau o regulă mai precisă decât căutarea inițială.
- LLM — Large Language Model — Un LLM (Large Language Model) este un model de inteligență artificială antrenat pe cantități masive de text, capabil să înțeleagă și să genereze limbaj natural cu precizie ridicată.