Embedding
训练优化Embedding（嵌入）把文字或图片变成一串数字，让意思相近的东西数字也相近。它是语义搜索、RAG、推荐系统的地基。
Embedding（嵌入）是个听起来玄乎、其实很直白的概念：把文字（或图片）变成一串数字，让意思相近的东西，数字也相近。
具体点：模型把一个词、一句话映射到高维空间里的一个点。‘国王’和’女王’挨得近，‘苹果手机’和’华为’挨得近，‘猫’和’狗’比’猫’和’汽车’近得多。到了这个空间里，“意思相近"就变成了"距离相近”，机器就能做类比、检索、聚类。
它是好几个关键技术的基础。RAG（检索增强）靠它判断"哪段资料和你的问题最相关"；语义搜索、推荐系统、去重，底层都是 Embedding。Transformer 处理语言时也大量用到类似的向量表示。
记住一句话就够：Embedding 是"让机器用距离来理解意思"的那层翻译。没有它，AI 就只能在字面匹配，做不了"差不多"“相关"这种模糊但关键的事。
和谁不一样
RAG
Embedding 把文字变成可比较的向量，RAG 靠它判断资料相不相关。