用 numpy 与 Chroma 复现 Embedding 检索
热点事件持续更新
用 numpy 与 Chroma 复现 Embedding 检索
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
一篇技术文章用 20 行 numpy 代码和 Chroma 复现了 embedding 检索全流程：bge-m3 模型把 10 段文本编码成 1024 维向量，手写余弦相似度排序取前 3 条，结果与 Chroma 检索分数逐位一致。 文章以此说明向量检索的基本机制——把文本转成坐标后按相似度找邻居，并称手写实现与向量数据库的检索结果相同。
AI 根据报道生成 · 56 分钟前更新
最新进展11月1日 01:16
Embedding 与向量数据库：给每段文字发一个坐标，然后找邻居报道时间线
沿着报道，了解事件的不同侧面。
11月1日
- 博客园Embedding 与向量数据库：给每段文字发一个坐标，然后找邻居
用 20 行 numpy 代码和 Chroma 复现 embedding 检索全流程：bge-m3 把 10 段文本编码成 1024 维向量，手写余弦相似度排序取 top-3，与 Chroma 检索分数逐位一致。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。