Embedding
Un embedding representa un contenido como vector numérico. El modelo y el método de comparación determinan qué similitudes se detectan.
Un embedding representa numéricamente contenido en un espacio vectorial. Para textos, un modelo genera esas representaciones y permite comparar, por ejemplo, una pregunta con fragmentos documentales.
Ejemplo de búsqueda
En un portal hipotético alguien pregunta por «enviar de vuelta», mientras las instrucciones hablan de «devolución». Unos embeddings adecuados pueden ayudar a encontrar el fragmento aunque las palabras sean distintas. Depende del modelo y de los datos.
Una similitud alta no demuestra significado idéntico en todos los detalles ni corrección factual. Tampoco concede permiso de lectura. La selección, vigencia y acceso autorizado al resultado deben comprobarse aparte.
Fuentes
Términos relacionados
- Base de datos vectorialUna base de datos vectorial almacena y busca representaciones vectoriales. Un resultado parecido no es por ello una fuente vigente y autorizada.
- Generación aumentada por recuperaciónRAG combina la recuperación de información con respuestas generadas. Acceder a fuentes no sustituye un diseño cuidadoso de la calidad y los permisos.
- Puntuación de confianzaUna puntuación de confianza evalúa una predicción según el método del modelo. No concede una aprobación de negocio.
- Ficha de modeloUna ficha de modelo documenta el propósito, las bases, las condiciones de evaluación y los límites conocidos de una versión de un modelo de IA.
- Preparación para la IALa preparación para la IA contempla las bases de un proyecto: objetivo, datos utilizables, capacidades, responsabilidades y funcionamiento.
- Ingeniería de contextoLa ingeniería de contexto prepara la información de cada llamada al modelo: instrucciones, mensajes, fuentes y estados actuales pertinentes.
Artículos sobre el tema
IA y automatización con ASES
Asistentes de IA y procesos automatizados