标签: #embedding

한국어English日本語中文

← 全部文章

• SOTA 文本嵌入模型解析 — 检索与 RAG 的心脏

  文本嵌入是检索与 RAG 系统的心脏。本文梳理对比学习与 InfoNCE、双编码器、难负例、E5/BGE/GTE 系列、Matryoshka 表征学习、MTEB 基准，直至最新嵌入模型的原理与实务应用。

  2026-06-30 · 29 分钟阅读 #ai-papers#embedding#retrieval#rag#contrastive-learning

• RAG 系统完全指南：检索增强生成的一切

  全面掌握 RAG(检索增强生成)系统的指南。从基础 RAG 到 Self-RAG、Corrective-RAG、HyDE 等高级架构，涵盖向量数据库、嵌入模型、分块策略、重排序，并配有可直接用于生产的代码示例。

  2026-03-17 · 34 分钟阅读 #rag#llm#vector-database#langchain#embedding

• LLM、Tool Calling、Embedding 基准完全解析：每个基准到底衡量什么

  MMLU、HellaSwag、HumanEval、BFCL、MTEB 等主要 AI 基准到底衡量什么、各项分数的含义与局限，以及在实际使用时该参考哪个基准，本文逐一完整解析。

  2026-03-17 · 37 分钟阅读 #llm#benchmark#mmlu#mteb#bfcl

• PostgreSQL + pgvector 向量检索实战指南：从 RAG 到混合检索

  用 PostgreSQL pgvector 扩展实现向量相似度检索。从安装到 HNSW/IVFFlat 索引、混合检索(向量+全文检索)、RAG 流水线集成，附带实战代码。

  2026-03-02 · 9 分钟阅读 #postgresql#pgvector#vector-search#embedding#rag