¿Qué es un modelo de embeddings?
¿Qué es?
Un modelo de embeddings convierte un texto en una lista de números (un vector). Textos de significado parecido dan vectores cercanos: es la base de la búsqueda semántica y del RAG.
Cuándo usarlo
- Elegir el modelo de un RAG según el idioma, el tamaño de los documentos y la puntuación.
- Encontrar la configuración correcta: prefijos, distancia, tamaño de los fragmentos.
Campos de la página
| Modelo | Identificador de Hugging Face o nombre de la API. |
|---|---|
| Dimensiones | Tamaño del vector. |
| Tokens máx. | Longitud máxima de un texto. |
| Distancia | Coseno, producto escalar o euclídea. |
| Prefijos | Texto que se añade delante de las preguntas y los pasajes, si el modelo lo pide. |
| Benchmarks | Puntuaciones publicadas, por ejemplo MTEB. |
Cómo usarlo
El ejemplo en Python carga el modelo con sentence-transformers y aplica los prefijos correctos.