Sudut dan Kesamaan Kosinus
Hitung sudut dan kesamaan kosinus dari koordinat vektor, normalkan embedding secara bertanggung jawab, dan tangani vektor nol dalam kode retrieval.
Tag
#embeddings
6artikeldengan tag ini.
Norma Vektor Mengukur Besar, Bukan Makna
Hitung norma vektor L1, L2, dan L-infinity, periksa aturan definisinya, serta pahami apa yang dapat dan tidak dapat disimpulkan dari magnitudo sebuah embedding.
Dimensi Menghitung Arah-Arah yang Independen
Bedakan jumlah koordinat embedding dari jumlah sampel, lalu pelajari mengapa bentuk matriks saja tidak memberi tahu berapa banyak arah independen yang direntang vektornya.
Ruang Vektor: Uji Apakah Representasi AI Memenuhi Aturan
Uji vektor nol, ketertutupan penjumlahan, dan perkalian skalar, lalu gunakan embedding ternormalisasi sebagai contoh tandingan yang membedakan himpunan representasi yang berguna dari ruang vektor.
Sentence Transformers v6 Mempermudah Late Interaction, Bukan Membuatnya Lebih Murah
Sentence Transformers v6 menambahkan retrieval multi-vector, sementara hasilnya sendiri menunjukkan kenaikan kualitas rata-rata yang moderat di samping biaya penyimpanan yang jauh lebih besar.
Dari Vektor ke Embedding: Geometri di Balik Kemiripan
Bangun pemahaman intuitif tentang vektor, dot product, kemiripan kosinus, dan mengapa embedding mengubah makna menjadi geometri.