BAAI/bge-m3

Определение

Мультиязычная эмбеддинг-модель от BAAI, поддерживающая 100+ языков и до 8192 токенов. Используется для retrieval в RAG-системах.

Где встречается

• 1. Как бы вы спроектировали RAG-систему для 10 000 документов с разной структурой
• 3 Какие стратегии chunking'а вы знаете и когда какую применяете
• 5. Как вы оцениваете качество retrieval'а в RAG-системе
• 6. Что такое гибридный поиск и когда он нужен
• 8. Как вы обрабатываете запросы, на которые нет ответа в документах
• 11. Что такое Hypothetical Document Embeddings (HyDE) и зачем
• 13. Как вы загружаете 1000 документов в RAG максимально эффективно
• 15. Какие embedding-модели вы использовали и почему
• 16. Как вы оцениваете качество генерации в RAG. Назовите 3 ключевые метрики.
• 18. Что такое Multi-vector retrieval и зачем он нужен
• 20. Как вы обеспечиваете, что RAG работает с документами на русском и английском одновременно
• 256. Как вы проектируете ETL пайплайн для 1M документовдень в RAG систему
• 862. Как делать feature engineering для RAG (кроме текста)
• Практика
• 800+ вопросов
• 299. RAG с мультиязычным поиском (русскийанглийскийкитайский)

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление