Embedding (plongement vectoriel)
Représentation numérique d'un texte sous forme de vecteur de plusieurs centaines de dimensions, telle que deux textes de sens proche produisent des vecteurs proches.
Représentation numérique d'un texte sous forme de vecteur de plusieurs centaines de dimensions, telle que deux textes de sens proche produisent des vecteurs proches.
Un modèle d'embedding transforme un passage ou une question en vecteur. La recherche sémantique consiste à comparer le vecteur de la question à ceux des passages indexés et à retenir les plus proches.
Pour la Box, le modèle d'embedding doit être multilingue (français juridique) et tourner localement. Changer de modèle d'embedding impose de réindexer tous les documents, car les vecteurs de deux modèles ne sont pas comparables.
Voir RAG.