English translation is not available yet. Showing Russian content.
text-embedding-3-small
text-embedding-3-small
Определение
Модель эмбеддингов от OpenAI, преобразующая текст в плотные векторы фиксированной размерности. Используется в RAG для поиска релевантных документов по семантической близости. Доступна только через API, отличается высоким качеством и мультиязычностью, но имеет ограничение на длину контекста в 8K токенов.
Где встречается
- 15. Какие embedding-модели вы использовали и почему
- 79. Как вы обновляете embedding модель без полной переиндексации
- 82. Как бы вы спроектировали систему для реального времени (real-time) обработки документов
- 192. Как вы оцениваете качество language representation для задачи
- 200. Что вы видите следующим горизонтом после language representation
- 225. Как вы выбираете параметры HNSW (M, ef_construction, ef_search) под свои данные
- 256. Как вы проектируете ETL пайплайн для 1M документовдень в RAG систему
- 524. Как вы обрабатываете streaming данные для real-time RAG
- 635. Как работает RAPTOR (иерархическое суммирование для длинного контекста)
- 690. Как вы измеряете diversity синтетического датасета
- 827. Какие есть стратегии распределённого кэширования для LLM (Redis Cluster, Memcached, Hazelcast)
- 862. Как делать feature engineering для RAG (кроме текста)
- 863. Как проектировать Airflow DAG для RAG ingestion
- 800+ вопросов
- 225. Semantic cache для RAG
- 227. RAG с гибридным поиском
- 231. Agentic RAG с саморефлексией
- 236. RAG с оценкой faithfulness
- 249. RAG с cost-aware routing
- 276. Настроить RAGAS evaluation pipeline
- 279. Настроить adversarial evaluation для RAG