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

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление