Modelo de embeddings
Um modelo de embeddings converte texto, imagens ou outros dados em uma lista de números que captura seu significado, de modo que itens semelhantes acabam próximos uns dos outros.
Os embeddings sustentam a busca semântica, as recomendações e a geração aumentada por recuperação. Você gera os embeddings dos seus documentos uma vez, gera o de cada pergunta e retorna os documentos cujos números estão mais próximos. Um modelo de embeddings não escreve texto; sua saída é um vetor.
Os modelos de embeddings são pequenos em comparação com os modelos de chat. O Qwen3-Embedding vai de 600 milhões a 8 bilhões de parâmetros, e o EmbeddingGemma 2 tem menos de um bilhão, então ambos rodam em notebooks comuns.
Termos relacionados
- Geração aumentada por recuperação (RAG) A geração aumentada por recuperação permite que um modelo responda com base nos seus próprios documentos recuperando os trechos relevantes e adicionando-os ao prompt.
- Modelo multimodal Um modelo multimodal pode lidar com mais de um tipo de dados, como texto, imagens, áudio ou vídeo, como entrada, como saída ou ambos.