タグ: #embedding

한국어English日本語中文

← すべての記事

• 分類せずに作り出せという技法とその検証 — 偽ラベルが元の問い合わせより良い理由

  数百項目の分類体系をプロンプトに入れる代わりに、小さなモデルにもっともらしい偽の分類を作らせ、それを埋め込みで実際の分類に結び付ける技法が議論されました。なぜこれが動きうるのかは埋め込み空間の非対称性で説明されます。ただし原文には測定結果がなく、コメントにはこの技法が本当に元の問い合わせを直接埋め込むより良いのかを問う正確な反論と、より安い代替が並びました。何をどう測るべきかまで整理します。

  2026-08-14 · 14 分で読めます #llm#embedding#classification#search#retrieval

• 埋め込みとリランカー、RAGで実際に重要なもの

  RAGを作るとき埋め込みモデルの選択を左右するのは、リーダーボードの順位ではなく次元、最大入力長、接頭辞の規約、多言語対応の表記、そしてリランカーとの役割分担です。この記事は2026-08-12に確認した埋め込み・リランカーモデルの実際のカード値を整理し、MTEBのスコアが何を語らないのか、日本語や韓国語の文書を扱うときに何を自分で測るべきかを説明します。オープンモデルガイドシリーズ第3回です。

  2026-08-12 · 12 分で読めます #ai#llm#huggingface#open-source-llm#embedding

• SOTAテキスト埋め込みモデル分析 — 検索とRAGの心臓

  テキスト埋め込みは検索とRAGシステムの心臓です。対照学習とInfoNCE、デュアルエンコーダ、ハードネガティブ、E5/BGE/GTE系列、Matryoshka表現学習、MTEBベンチマークまで、最新埋め込みモデルの原理と実務適用を整理します。

  2026-06-30 · 33 分で読めます #ai-papers#embedding#retrieval#rag#contrastive-learning

• ANN アルゴリズム完全ガイド 2025: HNSW、IVF、Product Quantization、LSH — Vector DB の内部はどう動くか

  Pinecone、Weaviate、Qdrant、pgvector が数億ベクトルから数ミリ秒で類似項目を見つける仕組み。HNSW、IVF、Product Quantization、LSH など ANN アルゴリズムの数学と実装を深く掘り下げる。

  2026-04-15 · 19 分で読めます #ann#hnsw#ivf#product-quantization#lsh

• Advanced RAGパイプライン完全ガイド 2025：チャンキング戦略、リランキング、エージェンティックRAG、評価

  Advanced RAGの全て！文書チャンキング戦略（Semantic/Recursive/Agentic）、リランキング（Cohere/ColBERT/Cross-encoder）、Query Transformation、エージェンティックRAG（Self-RAG/CRAG）、マルチモーダルRAG、評価（RAGAS/TruLens）、本番最適化。

  2026-04-13 · 25 分で読めます #rag#chunking#reranking#agentic-rag#evaluation

• Vector Database 完全ガイド 2025：エンベディング、類似度検索、Pinecone/Weaviate/Qdrant/pgvector

  Vector DBの全て！ベクトルエンベディングの原理、類似度検索（コサイン/ユークリッド/内積）、インデキシングアルゴリズム（HNSW/IVF/PQ）、Pinecone vs Weaviate vs Qdrant vs Milvus vs pgvector比較、ハイブリッド検索、フィルタリング、本番運用、性能ベンチマーク。

  2026-04-13 · 25 分で読めます #vector-database#embedding#similarity-search#pinecone#weaviate

• RAGシステム完全ガイド：検索拡張生成のすべて

  RAG（Retrieval-Augmented Generation）システムの完全ガイド。基本的なRAGから、Self-RAG、Corrective RAG、HyDEなどの高度なアーキテクチャまで、ベクトルデータベース、埋め込みモデル、チャンキング戦略、リランキングを本番対応コード例とともに解説。

  2026-03-17 · 30 分で読めます #rag#llm#vector-database#langchain#embedding

• 埋め込みモデル完全ガイド: ベクトル検索・RAG・Sentence Transformers実践活用

  埋め込みの基本概念から主要モデル比較（OpenAI、Cohere、BGE、E5、GTE、Jina）、Sentence Transformers活用、ベクトルデータベース（Pinecone、Weaviate、Milvus、Chroma、FAISS）のインデキシング戦略、類似度検索、RAGパイプライン統合、ファインチューニング、MTEBベンチマーク評価まで、埋め込みモデルのすべてを実践コードとともに体系的に解説します。

  2026-03-13 · 29 分で読めます #llm#embedding#vector-search#rag#sentence-transformers

• RAGパイプライン本番構築ガイド: ベクトルDB選定からチャンキング・リランキング・評価まで

  RAG（Retrieval-Augmented Generation）パイプラインの本番構築を体系的に解説します。埋め込みモデル比較、ベクトルDB選定（Pinecone・Milvus・Weaviate・Qdrant・Chroma）、チャンキング戦略、ハイブリッド検索、リランキング、RAGAS評価メトリクス、障害対応まで実践的なノウハウを提供します。

  2026-03-11 · 22 分で読めます #llm#rag#vector-database#retrieval#embedding

• Qdrant ベクトルDB運用完全ガイド — コレクション設計からRAG連携まで

  QdrantベクトルDBのコア概念からコレクション設計、インデックス戦略、フィルタリング、RAGパイプライン連携、運用モニタリングまで、実践ですぐに使えるガイドをまとめました。

  2026-03-09 · 11 分で読めます #database#qdrant#vector-database#embedding#similarity-search

• PostgreSQL + pgvector ベクトル検索 実践ガイド: RAG からハイブリッド検索まで

  PostgreSQL pgvector 拡張でベクトル類似度検索を実装する。インストールから HNSW/IVFFlat インデックス、ハイブリッド検索（ベクトル+全文検索）、RAG パイプライン統合まで実践コード付き。

  2026-03-02 · 11 分で読めます #postgresql#pgvector#vector-search#embedding#rag