跨国深谈← 返回←嵌入模型 (embedding model)

集里怎么说它

• 《Adam Mosseri 谈 AI 时代的产品团队、算法真相与 Instagram 的未来》(34:58起):本集说它是过去五到十年推动推荐算法飞跃的底层技术。它产生的是高维空间里一堆人类看不懂的巨大向量，算法据此做数学相似度匹配而非真正的语义理解。
• 《数据库60年 vs 智能体18个月：MongoDB 谈检索与记忆》(25:22起):本集最反共识的判断：嵌入模型并未商品化，不同模型检索质量差距可达 14%，可能就是幻觉与正确答案之差。
• 《AI 搜索量今年将超过人类：Exa 的完美搜索宣言》(07:05起):本集说 embedding 是把每份文档预处理成的结构，捕捉神经网络的语义理解，是处理「没有条纹的衬衫」这类复杂查询、让 Exa 搜索能工作的关键技术。
• 《智能体时代，你的 PDF 数据管道拖后腿了吗》(11:56起):本集把它说成:把文本转成向量以便检索,但 embedding 模型很难把自然语言提问与一大坨 HTML 标签关联,所以应为同一张表额外生成自然语言表示。

① 提到它的金句

2 条

大多数人认为嵌入模型已经商品化了，但这不是事实。根据你选择什么样的嵌入模型，你在检索质量上可能会有非常巨大的差别。
Most people think embedding models are commoditized, and that is not true. There is a very big difference that you can get in retrieval quality based on what embedding model you choose.
—— 嘉宾 · [50:00]

指向原始笔记的链接

Anthropic 在市面上没有嵌入模型。他们推荐我们。
Anthropic does not have an embedding model in market. They recommend us.
—— 嘉宾 · [50:09]

指向原始笔记的链接

② 出现在这些集

4 集

• 《Adam Mosseri 谈 AI 时代的产品团队、算法真相与 Instagram 的未来》 — 作为概念
• 《数据库60年 vs 智能体18个月：MongoDB 谈检索与记忆》 — 作为概念
• 《AI 搜索量今年将超过人类：Exa 的完美搜索宣言》 — 作为概念
• 《智能体时代，你的 PDF 数据管道拖后腿了吗》 — 作为概念

③ 关联

点进去有真内容 —— 本页主要出口

智能体 · Anthropic · RAG · Lenny · Nathan · Will Bryk · Adit Abraham · Adam Mosseri · Pete Johnson · Exa