标签
#embeddings
5 篇文章
models
嵌入对比生成：模型做的两件不同的事
嵌入和生成是两份不同的工作。搞清楚你的问题需要哪一个，是通往真正可用系统的最快路径。
#embeddings#generation#retrieval
06-15 11:41·7 分钟
research
从第一性原理理解检索增强生成（RAG）
RAG 常被讲成一堆工具的堆叠。把那些剥掉，它就是一个简单的想法：让模型在回答之前先读到正确的材料。下面讲清楚它究竟如何运作。
#rag#retrieval#embeddings
06-12 14:40·7 分钟
tools
为你的项目选择嵌入模型
挑选嵌入模型，与其说关乎排行榜，不如说关乎契合。这是真正决定检索能否在你的数据和预算下奏效的东西。
#embeddings#retrieval#rag
06-09 12:22·7 分钟
tools
抛开炒作看向量数据库：它到底做什么，以及你何时真正需要它
向量数据库一夜之间成了流行词。本文谈它到底做什么、它解决什么问题，以及那些诚实的信号——告诉你究竟需不需要一个。
#vector-database#embeddings#semantic-search
05-19 14:20·7 分钟
tutorials
搭建一条简单的 RAG 流水线：概念走查
把检索增强生成一段一段地搭起来。没有魔法，不绑定具体技术栈——只讲流水线的形态和那些真正要紧的决策。
#rag#retrieval#embeddings
04-25 19:17·7 分钟