Косинусное сходство или евклидово расстояние: тест
Сравнение эмбеддингов зависит от метрики и того, как обучена модель. Косинусное сходство сравнивает направления: изменение длины ненулевого вектора само по себе не меняет результат. Евклидово расстояние зависит от координат и масштаба.
Вопрос ниже проверяет это различие. Не переносите ответ на любую модель автоматически: для реального индекса сверяйте рекомендуемую метрику и требования к нормализации.
Это бесплатное упражнение из платного курса. Проверьте ответ без регистрации. Продолжить изучение векторных баз и RAG можно в полной программе курса.
Почему косинусное сходство предпочтительнее евклидова расстояния для сравнения текстовых эмбеддингов?
Без регистрации · результат не сохраняется
Связанные задачи
- Word2Vec и BERT: чем отличаются представления слова
- embedquery и embeddocuments: в чём разница
- normalizeembeddings: косинусное сходство и dot product
- FAISS IndexIVFPQ: зачем кодировать остаточные векторы
- FAISS normalizeL2: что означает изменение массива in-place
- LangChain FAISS: фильтр метаданных в similaritysearch
