Cos'è un modello di embedding?
Che cos'è?
Un modello di embedding trasforma un testo in una lista di numeri (un vettore). Testi di significato simile danno vettori vicini: è la base della ricerca semantica e del RAG.
Quando usarla
- Scegliere il modello di un RAG in base a lingua, lunghezza dei documenti e punteggio.
- Trovare le impostazioni giuste: prefissi, distanza, dimensione dei frammenti.
Campi della pagina
| Modello | Identificativo Hugging Face o nome dell'API. |
|---|---|
| Dimensioni | Dimensione del vettore. |
| Token max | Lunghezza massima di un testo. |
| Distanza | Coseno, prodotto scalare o euclidea. |
| Prefissi | Testo da aggiungere davanti a domande e passaggi, se il modello lo richiede. |
| Benchmark | Punteggi pubblicati, per esempio MTEB. |
Come usarla
L'esempio Python carica il modello con sentence-transformers e applica i prefissi giusti.