Embeddings
Definición
Los embeddings son representaciones vectoriales densas de texto (u otras modalidades). Similar content maps to nearby vectors, enabling semantic search and recuperación in RAG.
Son el puente entre texto sin procesar y bases de datos vectoriales: tanto documentos como consultas se embedded so similarity can be computed as vector distance (por ej. cosine). Choice of embedding model affects RAG recuperación quality and cost; see semantic search for the broader use of embeddings in search.
Cómo funciona
Text (a sentence, paragraph, or chunk) se alimenta en un encoder (por ej. OpenAI embeddings, Cohere, or open-source sentence-transformers). The encoder outputs a fixed-size vector (por ej. 768 or 1536 dimensions). Training uses contrastive or similar objectives so that semantically related texts get nearby vectors; similarity at query time is usually cosine or dot product. Models can be multilingual or domain-specific. For RAG, use the same encoder for documents and queries so distances are meaningful.
Casos de uso
Embeddings son el puente entre texto sin procesar y búsqueda por similitud; la calidad aquí impulsa el recall de recuperación y la precisión de RAG.
- Converting documents and queries to vectors for RAG recuperación
- Semantic similarity and clustering (por ej. duplicate detection)
- Cross-lingual and multimodal recuperación when using igualaring encoders