Was ist ein Embedding-Modell?
Was ist das?
Ein Embedding-Modell verwandelt einen Text in eine Liste von Zahlen (einen Vektor). Texte mit ähnlicher Bedeutung ergeben nahe Vektoren: die Grundlage der semantischen Suche und von RAG.
Wann verwenden
- Das Modell eines RAG nach Sprache, Dokumentlänge und Score auswählen.
- Die richtigen Einstellungen finden: Präfixe, Distanz, Chunk-Größe.
Felder der Seite
| Modell | Hugging-Face-Kennung oder API-Name. |
|---|---|
| Dimensionen | Größe des Vektors. |
| Max. Tokens | Maximale Länge eines Textes. |
| Distanz | Kosinus, Skalarprodukt oder euklidisch. |
| Präfixe | Text vor Fragen und Passagen, falls das Modell ihn verlangt. |
| Benchmarks | Veröffentlichte Scores, z. B. MTEB. |
So nutzt du es
Das Python-Beispiel lädt das Modell mit sentence-transformers und setzt die richtigen Präfixe.