嵌入
Embedding
嵌入（Embedding）是将文本、图像或声音映射为多维稠密向量（Vector）的技术，用于衡量内容之间的语义相似度。
详细解释
计算机无法直接理解文字的含义，必须将其转换为数字。嵌入（Embedding） 就是把一段文本转换为一个浮点数数组（例如 [0.12, -0.45, 0.89, …]）。
这个多维空间中的距离代表了语义的相似度。如果两句话的意思相近（例如“我爱北京”和“我很喜欢中国的首都”），那么它们在空间中的向量距离就会非常接近，即使它们没有相同的字眼。
典型应用
- 检索增强生成（RAG）：在企业知识库中，将文档转换为向量并存入向量数据库，用户提问时，通过计算问题向量与文档向量的余弦相似度（Cosine Similarity），快速找出最相关的段落。
- 推荐系统：寻找相似的文章或商品。
- 聚类分析：对大量的用户反馈进行分类。
常见问题
Embedding 模型的维度是什么意思？
维度（Dimensions）代表向量的长度。常见的维度有 768、1024、1536 等。维度越高，能捕捉的语义细节越丰富，但存储和计算成本也越高。
唯元智创提供 Embedding API 吗？
提供。我们的 API 100% 兼容 OpenAI 的 /v1/embeddings 接口，支持 BGE、GLM-Embedding 等多种优秀向量模型。