Introducing EmbeddingGemma: The Best-in-Class Open Model for On-Device Embeddings

4 minutitEdasijõudnudAI ettevõttes

Google for Developers. Video tutvustab mitmekeelseid tekstivektoreid, mis saavad töötada lokaalselt ning toetada semantilist otsingut ja RAG-i ilma iga dokumenti majutatud API-sse saatmata. Eesti ettevõtetele on see tehniline täiendus artikli siseteadmiste otsingu mustrile: mitmekeelne otsing on kasulik ainult siis, kui see austab ka andmete asukohta, ligipääsuõigusi ja allika autoriteeti.

AI Experti märkus

Embedding-mudelite edetabelid ja tootenimed vananevad kiiresti. Kasuta seda lühikese mõttemudelina mitmekeelse ja privaatse otsingu jaoks, seejärel testi praeguseid mudeleid enda eesti-, inglise- ja venekeelsete dokumentidega.

Mida sellest videost kaasa võtta

Saad aru, miks mitmekeelsed embedding-mudelid on olulised privaatse siseotsingu jaoks ja kus kohalik otsing võib vähendada andmete paljastamise riski.

Mida enne vaadata või teada

Põhiline arusaam RAG-ist või semantilisest otsingust.

Järgmisena vaata

Jätka sama õpiteekonda järgmiste hoolikalt valitud kaasvideotega.

Seotud videod

Mine sügavamale

Hoolikalt valitud välised kursused, mis aitavad sellesse teemasse sügavamalt minna.

Vaata kõiki kursusi teemal „AI ettevõttes”