Embedding
把词语的「含义」转换成数字坐标的技术。含义相近，坐标就相近——这是AI搜索的基础。
简单来说
Embedding（嵌入）是把词语的「含义」转换成数字坐标的技术。就像给每句话在地图上标一个坐标，含义越相近的句子，坐标就越靠近。「推荐狗零食」和「宠物营养补充剂」几乎没有重复的词汇，但在嵌入坐标上，它们是邻居。
这为什么重要？因为计算机终于能够「按含义而不是按词语」来比较内容了。以前的搜索需要出现相同的词才能找到，但基于嵌入的搜索（语义搜索）即使表达方式不同，只要含义相通也能找出来。
这是AI产品幕后使用最广泛的组件。搜索、推荐（「与本文相似的文章」），以及RAG中「查找相关资料」这一步，全都依靠嵌入运转。文章里出现「向量数据库」「语义搜索」，说的就是嵌入。
在报道中是这样出现的
「用新的嵌入模型提升了搜索准确度」——意思是把用于按含义搜索的「含义坐标」做得更精确了。
亲手试一试
- 试着向聊天机器人发送：「把下面五句话按含义相近程度分组：①推荐一下狗零食 ②股市暴跌了 ③狗的营养补充剂选哪种好？ ④KOSPI大幅下跌 ⑤明天会下雨吗？」
- ①③会被分为一组，②④会被分为一组——尽管几乎没有重复的词汇。这是按「含义距离」而不是按词语分组的，而衡量这种距离的坐标就是嵌入。
- METAL文章底部的「相关文章」也是靠同样的原理筛选出来的——即使表达方式不同，嵌入也能找到内容相通的文章。