Эмбеддинг-модель
Эмбеддинг-модель превращает текст, изображения или другие данные в список чисел, отражающий их смысл, так что похожие элементы оказываются рядом друг с другом.
Эмбеддинги лежат в основе семантического поиска, рекомендаций и генерации с дополнением из поиска. Вы один раз превращаете свои документы в эмбеддинги, делаете то же с каждым вопросом и возвращаете документы, чьи числа ближе всего. Эмбеддинг-модель не пишет текст: её выход — вектор.
Эмбеддинг-модели малы по сравнению с чат-моделями. Qwen3-Embedding — от 0,6 до 8 миллиардов параметров, а у EmbeddingGemma 2 меньше миллиарда, поэтому обе работают на обычном ноутбуке.
Связанные термины
- Генерация, дополненная поиском (RAG) Генерация, дополненная поиском, позволяет модели отвечать на основе ваших собственных документов: она находит релевантные фрагменты и добавляет их в промпт.
- Мультимодальная модель Мультимодальная модель умеет работать более чем с одним типом данных — текстом, изображениями, аудио или видео — на входе, на выходе или и там и там.