Why
The PoC embeds a corpus, runs nearest-neighbor search, and shows where semantic similarity diverges from what a user actually meant.
How it works
Not yet built.
Workspace Index › Dev Notes › Embeddings — meaning as a vector you can search
#198PoC
Embeddings — meaning as a vector you can search
Embeddings map text to vectors where nearby means similar, the substrate under semantic search and RAG — and the quality of every retrieval is bounded by the quality of the embedding model.
임베딩 — 검색할 수 있는 벡터로서의 의미
임베딩은 텍스트를 가까움이 곧 유사함인 벡터로 매핑하며, 의미 검색과 RAG의 기반입니다 — 그리고 모든 검색의 품질은 임베딩 모델의 품질에 의해 상한됩니다.
왜
이 PoC는 코퍼스를 임베딩하고 최근접 이웃 검색을 돌려, 의미 유사도가 사용자가 실제로 의도한 것과 갈라지는 지점을 보입니다.
동작 방식
아직 만들지 않음.